基于BP神经网络电力系统稳定器的设计.docVIP

摘 要 采用一种自组织模糊神经网络设计电力系统稳定器，该稳定器能通过结构和参数的学习，克服传统模糊控制器设计过程中存在的盲目性及拚凑性，避免模糊控制器中模糊逻辑规则的冗余或欠缺。仿真表明该电力系统稳定器具有良好控制性能。 由于一般的模糊神经网络电力系统稳定器在输入量的论域、模糊子集、节点数及节点函数的选取有过分依赖于先验知识之嫌，另外，一经设计完毕后，模糊神经网络的结构是固定不变的，不便于模糊逻辑规则及节点的增减，有可能造成模糊逻辑规则的冗余或欠缺，为了克服以上的缺点，可采用一种自组织模糊神经网络作为电力系统稳定器。 关键词:自组织模糊神经网络；电力系统稳定器；BP神经网络 目 录 第一章 绪论 1 1.1 神经网络发展现状 1 1.2 神经网络应用现状 1 1.3 神经网络发展趋势及研究热点 2 1.3.1 神经网络研究动向 2 1.3.2 研究热点 3 1.4　神经网络与模糊逻辑的结合 5 1.5 神经网络的实现和展望 6 1.6 本章小结 6 第二章 BP神经网络的应用设计 7 2.1 BP神经网络概述 7 2.2 BP神经网络的设计 7 2.2.1　BP神经网络隐层数的确定 7 2.2.2　各层神经元个数的确定 8 2.2.3　BP神经网络的改进算法 9 2.3　BP神经网络的设计实例 10 2.4　本章小结 11 第三章 基于自组织模糊神经网络电力系统稳定器的设计 12 3.1　模糊神经网络的基本结构 12 3.2　结构的调整 13 3.3　模糊逻辑规则的产生 15 3.4　自组织模糊神经网络电力系统稳定器的设计 16 3.5　仿真研究 17 3.6　本章小结 18 致 谢 19 参考文献 20 第一章 绪论 1.1 神经网络发展现状 神经网络最早的研究20世纪40年代心理学家Mcculloch和数学家Pitts合作出的，他们提出的MP模型拉开了神经网络研究的序幕。神经网络的发展大致经过三个阶段:1947～1969年为初期，在这期间科学家们提出了许多神经元模型和学习规则，如MP模型、HEBB学习规则和感知器等；1970～1986年为过渡期，这个期间神经网络研究经过了一个低潮，继续发展。在此期间，科学家们做了大量的工作，如Hopfield教授对网络引入能量函数的概念，给出了网络的稳定性判据，提出了用于联想记忆和优化计算的途径。1984年，Hiton教授提出Boltzman机模型。1986年Kumelhar等人提出误差反向传播神经网络，简称ＢＰ网络。目前，ＢＰ网络已成为广泛使用的网络；1987年至今为发展期，在此期间，神经网络受到国际重视，各个国家都展开研究，形成神经网络发展的另一个高潮。神经网络具有以下优点: (1)具有很强的鲁棒性和容错性，因为信息是分布贮于网络内的神经元中。 (2)并行处理方法，使得计算快速。 (3)自学习、自组织、自适应性，使得网络可以处理不确定或不知道的系统。 (4)可以充分逼近任意复杂的非线性关系。 (5)具有很强的信息综合能力，能同时处理定量和定性的信息，能很好地协调多种输入信息关系，适用于多信息融合和多媒体技术。 1.2 神经网络应用现状 神经网络以其独特的结构和处理信息的方法，在许多实际应用领域中取得了显著的成效，主要应用如下: (1)图像处理。对图像进行边缘监测、图像分割、图像压缩和图像恢复。 (2)信号处理。能分别对通讯、语音、心电和脑电信号进行处理分类；可用于海底声纳信号的检测与分类，在反潜、扫雷等方面得到应用。 (3)模式识别。已成功应用于手写字符、汽车牌照、指纹和声音识别，还可用于目标的自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等。 (4)机器人控制。对机器人眼手系统位置进行协调控制，用于机械手的故障诊断及排除、智能自适应移动机器人的导航。 (5)卫生保健、医疗。比如通过训练自主组合的多层感知器可以区分正常心跳和非正常心跳、基于ＢＰ网络的波形分类和特征提取在计算机临床诊断中的应用。 (6)焊接领域。国内外在参数选择、质量检验、质量预测和实时控制方面都有研究，部分成果已得到应用。 (7)经济。能对商品价格、股票价格和企业的可信度等进行短期预测。 (8)另外，在数据挖掘、电力系统、交通、军事、矿业、农业和气象等方面亦有应用。 1.3 神经网络发展趋势及研究热点 1.3.1 神经网络研究动向 神经网络虽已在许多领域应用中取得了广泛的成功，但其发展还不十分成熟，还有一些问题需进一步研究。神经网络的应用已经涉及到各个领域，并且在智能控制、模式识别、计算机识别、自适应滤波和信号处理、飞机导弹非线性优化、自动目标识别、连续语音识别、声纳信号的处理、知识处理、传感技术与机器人图像处理、生物医学工程、传感器信号处理、机器人控制、卫生保健、医疗、处理组合优化问题等方