华北电力大学(北京)硕士学位论文
强，便于实现知识的自动获取和并行联想推理。 3 )并行性
神经网络是对人脑结构和功能的模拟，但更偏重对结构的模拟。 各种神经元在处理信息时是各自独立的，它们分别接受输入，作用后产生输出。这种并行计算的处理，使得它有可能用于适时快速处理信息，成为下一代智能计算机的基础。神经网络的知识推理是通过神经元之间的相互作用实现的。网络同一层的推理 是并行的，不同层的推理是串行的。由于同层内神经元的数目远大于层数，因此，从总体上来讲，神经网络的推理是并行的，速度快。在神经网络中，允许输入偏离学习样本，只要输入模式接近于某一样本的输入模式，则输出也会接近学习样本的输出模式，这种性质使 A N具有联想记忆能力。在许多领域的故障诊断系统中己 N开始应用，如在化工设备、核反应堆、汽轮机或旋转机械和电动机等领域都取得较好的效果。
4 )非线性。神经网络可有效地实现输入空间到输出空间的非线性映射。寻求输入到输出间的非线性关系模型，是工程界普遍面临的问题，对大部分无模型的非线性系统，神经网络都能很好地模拟。因此，神经网络成为非线性系统研究的重要工具。
目 B网应用比广泛。 1[采用B
网 络的前， P较文[一 3]】 P络进行凝汽器故障诊断，文〔-[将B网法应用于 4 6 P络方]】汽轮发电机组故障诊断。应用B网进行故障 P络诊断时，一般将诊断对象的征兆作为 B网络的输入， P网络的输出层单元对应诊断 P B对象的故障。用诊断对象的典型故障对神经网络进行训练，诊断时输出层最大值的神经元对应的对象故障即为诊断结果。但由于 B P算法的思想是以期望值与实际值之差的平方和为目标函数求极小，所以对初始值敏感，易使学习过程陷入局部极小
值。训练本较大收速慢。且；未能分用特定而且样数时敛度而它充利许多领域中专家积累起来的宝贵经验，只利用一些明确的故障诊断事例，而且需要有足够的学习样本，才能保证诊断的可靠性。由于神经网络从故障事例中学到的知识只是一些分
布权重，而不是类似领域专家逻辑思维的产生式规则，因此，诊断推理过程不能够解释，缺乏透明度。 142模糊诊断方法的应用 .模糊数学的处理方法是用精确的数学方法处理过去无法用经典数学来描述的 模糊事物。随着模糊集理论的不断发展及应用的深入，模糊集理论的成果和应用实例己广泛应用于电力系统的众多领域，如机组运行规划、静态暂态稳定控制、负荷控制和预测、电气设备的故障诊断、系统故障定位和诊断等。模糊诊断不需要建立精确的数学模型，适当运用隶属函数和模糊规则，进行模 糊推理就可以实现模糊诊断的智能化。但是，对于复杂的诊断系统，要建立正确的模糊规则和隶属函数是非常困难的，而且需要花费很长的时间。对于更大的模糊规
6