BP型神经网络的模糊控制

人工神经网络应用于电网技术,已显示出强大的生命力。国内外有关报导及文献已很多,涉及的面也很广,从负荷预测、运行优化、正常运行控制,以至事故处理,都取得了令人鼓舞的效果。但国内国外都遇到一个困扰人们的棘手问题,即BP网络都要用“样本”来“训练”,而这种“训练”既费时又费力。本文作者经过探索试验,终于发现模糊控制是解决这类问题的有效手段。 本文介绍了基于BP模型的模糊控制神经网络的特点及其性能,提出了用模糊控制自动修正学习速率和冲量系数的一般算法,研究了模糊控制神经网络的初值优化方法、快速趋向代价函数曲面上全局极小点的方法以及如何提高网络收敛的稳定性等神经网络领域所存在的一系列关键性问题。