谐波的产生_电力谐波分析_谐波分析法(15)

模糊规则的建立是构造模糊推理系统的关键，其建立方法有如下三种：1 总结操作人员、专家的经验和知识。操作人员在长期从事仪器设备操作中，积累了大量的经验，这些经验都具有模糊性的特点。总结这些经验对构造模糊规则有重要的指导意义；某个领域的专家对该领域的各种过程机理有较深刻的认识，对过程的运行特性能够通过理论分析给出定性的结论以帮助建立模糊规则。2 基于过程的模糊模型。被控过程的动态特性可以用模糊模型来描述，称作过程的模糊模型。基于过程的模糊模型可以产生一组模糊控制规则来使被控过程达到期望的性能。这种方法存在的困难就是难于获得能够充分反映被控过程特性的模糊模型及其参数。3 基于学习的方法。当被控过程存在时变的特性或难以直接构造模糊控制器时，可以通过设计具有自学习能力的模糊控制器来自动获取模糊规则。Procyk和Mamdai首先提出了自组织、自学习能力的模糊控制器的一种分级结构，包括两级控制规则：第一级直接用于控制对象；第二级根据测量数据和评价标准修改第一级模糊规则。上面介绍的3种主要的模糊规则，第一个是最基本的，也是最广泛的方法。在实际应用中，初步建立的模糊规则往往达不到良好的效果，必须不断加以修正和试凑。

在模糊规则的建立、修正和试凑过程中，应尽量保证模糊规则的完备性和相容性。所谓模糊规则的完备性，是指对于控制过程的任一状态，模糊规则都能产生有关控制作用。模糊规则的相容性反映在输出模糊集是否是多峰的，如果存在是多峰的现象，则说明模糊规则中有自相矛盾的情况存在【421。模糊推理是采用模糊逻辑由给定的输入到输出的映射过程。模糊推理包括以下5个过程：1 输入变量模糊化，即把确定的输入转化为由隶属度描述的模糊集。2 在模糊规则的前提中应用模糊算子 与、或、非 。3 根据模糊蕴含运算由前提推断出结论。4 合成每一个规则的结论部分，得出总的结论。5 反模糊化，即把输出的模糊量转化为确定的输出。3．1．2神经网络理论3．1．2．1人工神经元人工神经元模型是在生物神经元研究的基础上提出的一种模拟生物神经元结3基-pANFIS的谐波分析构与功能的数学模型。生物神经元由细胞体、树突和轴突组成，其中，细胞体是神经元的主体，承担着信息处理中心的任务，树突的主要作用是接收神经元的输入信息，轴突的主要作用是信息的输出，把细胞体处理后的信息从轴突起点传递到轴突末梢，轴突末梢与另一个神经元的树突或细胞体形成一个突触结构，实现神经元之间的信息传递。

根据这种理论，人们提出了多种人工神经元模型，其中被广泛应用的模型如图3．3。Xi’ Wil吩一 』k_W曼、即夕一 一lL 蛩Wi哆∥。一／／x。∥图3-3人工神经元结构TheartificialneuralnetworkFig．3-3其中 五，X2，…，以 为输入：％为神经元的输出； 彬。，形：，…，彬。 为其他神经元与神经i的突触连接强度，通常称为权重，表示突触强度或连接的权值，与人脑不同的是人工神经元权值可以是与正值，正值表示处于兴奋状态，负值表示神经元处于抑制状态。， 。 为神经元的活化函数，称为激励参数。Y；是神经元的输出。3．1．2．2人工神经网络单个神经元的信息处理能力有限，但是将多个神经元连接成网络结构后其功能就大大增强，这个网络结构即人工神经网络。人工神经元网络是指用大量的神经元构成的非线性系统，它是一定程度和层次上模仿了人脑神经系统的信息处理、存储及检索功能，因而具有学习、记忆和计算等智能处理功能。按照神经网络的结构将其分为单层前向网络、多层前向网络、反馈网络、随机神经网络和竞争神经网络等等【43】。以BP神经网络 Back神经网络又称误差反向传播多层前馈神经网络，该神经网络结构有三层：输入层、隐含层和输出层，其中隐含层可以为一层或者多层。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-29327-15.html