美女美女大片黄a大片-美女免费黄色-美女免费黄网站-美女免费精品视频在线观看-特级xxxxx欧美-特级a级毛片

　　神經網絡法產生隸屬函數通常，確定模糊隸屬函數存在相當多的人為因素，致使人為確定的隸屬函數不能準確反映模糊概念。為克服這一不足，文中采用徑向基函數RBF神經網絡生成隸屬函數，實現模糊量化。

　　徑向基函數神經網絡RBF神經網絡具有較強的非線性函數映射能力，且收斂速度優于BP網絡。另外，RBF網絡隱層神經元傳遞函數通常取高斯核函數形式，可作為被測量的模糊數分布函數。對于每個狀態參量，可用1個子網絡產生其隸屬于相應模糊子集的隸屬度。獲取n個狀態參量隸屬函數的RBF神經網絡結構模型如所示。

　　訓練樣本庫文中采用高斯核函數分布函數獲得標準輸入輸出模式，建立網絡學習樣本庫。狀態參量隸屬函數分布如示。中μ（x）為隸屬度函數，xi為狀態參量。對應不同的xi，其取值范圍不同，高斯核函數中心c1，c2，c3的取值也不同。狀態參量隸屬于‘正常，Normal’、‘偏高，Medium’和‘過高，High’3個模糊概念的隸屬度函數表達式為μN（xi）=1xic1μM（xi）=exp（-（xi-c2）2σ2）μH（xi）=exp（-（xi-c3）2σ23）xi>c31xi　　文中把各模糊量化子網絡輸出作為模糊推理網絡的輸入模式，確定相應標準輸出模式。反復訓練網絡，實現模糊推理。可見，用輸入輸出數據對獲取模糊蘊涵關系是具有普遍意義的。判斷變壓器繞組熱點的推理網絡模型如示。

　　結論本文把模糊神經網絡技術應用于分析變壓器繞組熱點研究領域。把神經網絡和模糊集合理論有機結合，構造智能神經模糊傳感器系統，以解決測試繞組熱點中存在的不確定性問題，給出繞組熱點狀態的語言描述，實例分析表明該方法是行之有效的。

　　另外，變壓器繞組過熱大都是局部性的，如繞組引出線焊接點焊接不良、分接開關接觸不良、匝間局部短路等引起繞組熱點溫度過高。如何準確地判斷出繞組局部熱點的具體位置，是進一步研究的重要課題。