在于人工神经网络的智能型自适应保护（Ⅰ）原理和模型结构

介绍了一种基于人工神经网络的智能型自适应继电保护原理、其基本思想是利用了比传统保护多得多的信息量,它比传统保护能区分更多的故障类型,提高了继电保护的适用范围,如从原理上解决了经主阻抗的短路保护问题,本保护的人工神经网络由３个子网络组成,先采用第一个三层ＢＶＰ网络对输电线路一仙蝗电流、电压信号进行前置处理,得到其特征量;然后,在不同运行工 不同类型的区内外故障时,再把特征量输入第二个三层ＢＰ网络,以     

基于人工神经网络的智能型自适应保护──(Ⅱ)仿真研究

采用一个５００ｋＶ系统的数字仿真模型,对基于人工神经网络的智能型自适应保护进行了检验．仿真结果表明,这种基于新原理的保护具有很好的自适应能力和人工智能性．另外,由于人工神经网络是并行运算的,训练好的神经网络的动作时间几乎为零,因此大大提高了保护动作的速度,即改进了快速性．     

基于人工神经网络的智能型自适应保护（Ⅱ）仿真研究

采用一个５００ＫＶ系统的数字仿真模型，对基于人工神经网络的智能型自适应保护进行了检验。仿真结果表明，这种基于新原理的保护具有很好的自适应能力和人工智能性能。另外，汕于人工神经网络是并行运算的，训练好的神经网络的动作时间几乎为零，因此大大提高了保护动作的速度，即改进了快速性。     

基于思维进化算法的人工神经网络结构优化

针对神经网络结构难以优化的问题，本采用思维进化计算(MEC)算法和BP算法相结合的方法来动态优化神经网络结构。随机产生网络结构，对每一结构，利用BP算法评价神经网络结构优劣，找到局部最优结构，再通过MEC算法中的趋同、异化操作，找出全局最优结构。仿真结果说明了算法的有效性。     

人工神经网络在水工结构优化中的应用

采用人工神经网络方法 ,为水工结构优化提供初始方案 .通过典型的混凝土重力坝断面优化的例子 ,说明该方法能形成很好的初始方案 ,并容易推广到其他结构优化中     

系统振荡的自适应保护原理

本文第一部分系统地研究了振荡以及故障时测量阻抗的变化轨迹，测量阻抗对时间的变化率等问题，并对其规律进行了总结，得出一些重要结论，第二部分阐述了利用测量阻抗的变化率来区分振荡和故障，以及区分内外故障的原理，并通过实时估计系统振荡周期的措施来提高保护的灵敏度，对文中的方法进行仿真估计，结果表明，振荡时发生的在多数１工钠故障保护均能瞬时动作。     

BP人工神经网络模型的进一步改进及其应用

针对BP网络存在的缺点 ,有多种改进方法 .本文在文献 [3]的基础上 ,从算法和网络结构设计方面又进行了综合改进 ,不仅加快了网络的收敛速度 ,而且优化了网络的拓扑结构 ,从而增强了BP神经网络的适应能力 .将新改进的BP网络用于成都市消费预测 ,取得令人满意的效果 .     

基于BP人工神经网络的上市公司财务评估分析

叙述了人工神经网络的基本，建立对上市公司财务评估的神经网络模型，并结合实例，通过对比因子分析法的结果，验证了模型的可行性和准确性。     

基于人工神经网络的负荷预报模型

针对基于ＢＰ学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型,为了提高预测精度,对预报权值进行在线修正,实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度。     

人工神经网络水文模型适度训练

应用人工神经网络进行水文模拟需要解决维数灾及过度训练2大主要问题.在介绍4种常用的避免过度训练方法的基础上,提出了一种新的混合法.选用团结、七一及三峡水库区间流域的雨洪资料,对以上5种方法进行比较研究.计算结果表明:混合法适度训练效果最好,随机误差叠加法的适度训练效果次之,相对于容差训练法、罚函数法及前期中止法,可以较好避免过度训练.     

基于人工神经网络的智能信息处理

分析了人工神经网络智能信息处理的理论基础、作用原理及实现途径,提出了目前存在的问题,探讨了人工神经网络的发展趋势。     

母线保护的人工神经网络模型

叙述基于ANN函数逼近能力的母线保护原理,分析母线保护物理对象的函数关系,构建母线保护的人工神经网络模型。     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

汉江水质综合评价的BP网络方法

以往的水质综合评价因子权重的确定方法使得评价结果带有较强的主观性,神经网络方法则可以有效排除主观因素的干扰.构造了一个多因子水质综合评价的3层BP网络模型,以生化耗氧量、氨氮和总磷为评价因子,对汉江武汉段水质的富营养化状况进行了评价.结果表明,该方法评价结果更为客观,符合实际情况.     

基于神经网络方法的人体脉象识别研究

针对脉象本身的模糊性特点和中医辨识脉象的思维方式，研究了人工神经网络方法诮地人体脉象的识别问题，建立了一个8－5－7三层结构的脉象人工神经网络模型。采用输入样本的模糊化处理，并对BP算法用加动量的自适应算法加以改进，因此大大减少了训练时间，经过280例脉象的识别检验，结果表明，该对7种脉象的识别准确率平均为87％，比传统的模糊聚类方法提高了12个百分点，此研究为计算机识别脉象和辅助诊断疾病提供了一种有效的方法。     

基于神经网络模型的母线保护故障定位研究

母线是发电厂和变电所的重要组成部分之一,对可靠性高及智能化程度高的母线保护技术及方法的研究具有重要的理论和现实意义。本文采用实际采集到的各种类型故障数据作为样本数据,利用这些样本数据对构建的神经网络模型进行训练,使母线保护神经网络模型具有故障识别和判断能力。神经网络模型分别采用了BP算法和RBF算法。利用该模型就两种不同的改进型的神经网络算法对各种母线故障的分类进行了分析比较,给出了两种网络下的仿真结果。结果表明经过训练以后的母线保护人工神经网络模型能准确判断母线的正常运行方式,对其内部的各种故障能正确区分,并且满足保护精度的要求。     

智能监控中的神经网络模型及提高应用效能的方法

探讨了选取人工神经网络的误差反向传播(BP)模型应用于智能监控的优点;讨论了将其应用于制造系统的监控和诊断时应注意的问题;提出了旨在提高BP模型应用效能的方法即\     

河川日径流预报的混沌神经网络模型

将混沌理论和神经网络相结合,建立了径流预报的混沌神经网络模型.利用混沌理论的相空间重构技术计算饱和嵌入维数,将其作为神经网络的输入层神经元个数;根据模型预测步长确定输出层神经元个数.对黄河干流三门峡站的日流量时间序列进行了模拟和预报,取到了较好的预报效果,为河川径流的预报工作提供了新方法.     

神经网络BP算法在有源消声中的应用

为了克服传统自适应有源消声算法在应用中稳定性方面的不足,尝试将神经网络反向传播（ＢＰ）算法应用于有源消声技术。文中建立了基于ＢＰ算法的自适应有源消声（ＡＡＮＣ—ＢＰ）模型并给出该算法的递推公式。利用ＴＭＳ３２０Ｃ２５开发板实现了该算法功能。在半消声室中进行了单频和１００Ｈｚ带宽的消声实验,仅利用单个次级源结构便获得较好的消声效果。实验证明,基于ＢＰ算法的消声系统具有良好的稳定性。