神经网络原理及其在有源电力滤波器中的应用

论文摘要

人工神经网络(ANN)是一种旨在模仿人脑结构及其功能的脑式智能信息处理系统。它是近年来计算机智能研究领域发展迅速的一门理论和技术,由于其具有自学习、自适应及信息的分布式存储等特点,其用于问题求解无需事先建立精确的物理模型和数学模型而被广泛应用于智能控制、系统辨识、智能监测等领域。本文首先对人工神经网络中最常用、最成熟的多层前向网络进行了讨论,掌握了人工神经网络的基本原理,并通过对误差反向传播(BP)算法优缺点的分析,介绍了多种BP改进算法。基于神经网络和谐波抑制理论,本文提出了一种基于神经网络谐波检测和控制的新型有源电力滤波器(APF)——混合电力补偿器(HPC),并应用改进的BP算法选择多层前向人工神经网络的模型对其进行了仿真。给出了关于神经网络的设计、训练以及检验的具体方法。仿真结果证明:神经网络技术应用于有源电力滤波器是可行的,对改善产品的动态性能,提高产品的技术指标是非常有效的。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 人工神经网路概述
• 1.2 人工神经网络发展简史
• 1.3 人工神经网络的基本特点与功能
• 1.4 神经网络的应用领域
• 1.5 神经网络发展趋势
• 1.6 论文的主要内容和安排
• 2 人工神经网络原理
• 2.1 生物神经元模型
• 2.2 人工神经元模型
• 2.3 人工神经网络的分类及学习规则
• 2.3.1 人工神经网络的分类
• 2.3.2 神经网络的学习
• 2.4 神经网络的工作方式
• 2.5 生物神经网络与人工神经网络的比较
• 2.6 人工神经网络的信息处理能力
• 3 BP 神经网络
• 3.1 BP 网络结构
• 3.2 BP 算法
• 3.2.1 BP 神经网络的传递函数
• 3.2.2 BP 学习规则
• 3.2.3 BP 算法流程
• 3.3 改进后的BP 算法
• 3.3.1 BP 网络的限制与不足
• 3.3.2 LMBP 算法
• 3.3.3 LMBP 算法流程
• 3.4 应用MATLAB 神经网络工具箱对常用BP 算法的分析
• 3.5 BP 网络设计
• 3.5.1 输入层节点数的确定
• 3.5.2 输出层节点数的确定
• 3.5.3 隐含层数和层内节点数的确定
• 4 神经网络在有源电力滤波器中的应用
• 4.1 电力系统谐波的产生及危害
• 4.2 谐波抑制技术及有源电力滤波器的提出
• 4.2.1 主动型谐波抑制技术
• 4.2.2 被动型无源滤波器
• 4.2.3 有源电力滤波器的提出
• 4.2.4 混合电力补偿器（HPC）的原理及结构
• 4.3 基于小波变换和神经网络的电力谐波测量
• 4.3.1 小波变换
• 4.3.2 特征提取
• 4.4 混合电力补偿器控制功能的神经网络实现
• 5 结论及展望
• 5.1 本文所做的工作
• 5.2 展望
• 参考文献
• 致谢
• 附录1 攻读硕士期间发表或录用的学术论文