一种基于神经网络的内模控制方法及其应用

根据具有非线性、强耦合、不确定性过程的控制需要，提出了一种基于神经网络的内模控制方法，该方法充分利用神经 自学习及非线性逼近能力，建立非线性、强耦合、不确定性过程的动态模型及逆模型，采用这种方法对冷轧过程中带材全局板形进行仿真实验控制，取得了理想的控制效果。     

基于NN/ES的高压输电线路在线故障综合诊断和分析的智能系统

提出了电力系统构成传统信息和智能信息相结合的新型信息网系统的必要性。并研究和构造了基于ＮＮ／ＥＳ的高压输电线路在线故障综合诊断和分析的智能系统（ＴＬＦＤＩＳ），为电力系统调度中心提供故障智能信息。它是根据故障录波、测距、事件顺序记录、保护和断路器等信息，对输电线路系统涉及的全部设备（一、二次设备）的故障综合诊断，并具性能预诊断的功能。     

GA-NN模型在输配电系统中诊断容错性能的评估

在基于神经网络NN模型的高压输电线系统故障诊断和配网故障定位的两个目标的研究中，用遗传算法进行NN结构优化、权重和结构双优化两种模式来研究诊断系统的容错性能，通过仿真测试，并与BP—NN模型相比较，证明可克服NN陷入局部最小、加快收敛和输出解空间重构，使故障诊断的容错性能和故障定位性能相应提高17．34％和13．86％。     

两种优化容错神经网络在输配电网诊断模型中性能的评估

为提高故障诊断系统的容错能力,提出了将故障信息受随机因素畸变的扩展故障样本集引入神经网络(neural network,NN)的容错训练,以提高NN的容错性能,通过基于蚁群优化算法(ant colony optimization algorithm,ACOA)和遗传算法(genetic algorithm,GA)构造2种优化NN,用于高压输电线系统和配电网故障诊断,并进行容错性能的评估．仿真测试表明,基于ACOA法诊断模型的容错性能都要优于广泛应用GA的诊断模型,分别提高5．91%和4．95%．ACOA优化NN不仅具有较好的泛化能力,且具有快的收敛速率．     

异联想记忆Hopfield神经网络的模型、算法及性能

对联想记忆神经网络(neuralnetworks NN)的特性进行了分析,基于双向联想存储器BAM原理,对自联想记忆HopfieldNN模型进行了扩展,建造了适合于求解模式识别问题的异联想记忆HopfieldNN模型结构.并针对HopfieldNN记忆容量不足的缺陷,对常规的学习算法进行了改进,建立了基于投影原理的伪逆学习算法和广义逆学习算法,提高了HopfieldNN对样本的记忆存储能力.分析表明:本文的研究解决了HopfieldNN应用于异联想记忆模式识别的关键问题.     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。     

超高压变电站警报处理和流图解释专家系统

研究用于超高压变电站(EHVS)警报信息处理的专家系统(APES),解决了EHVS发生故障时,大量警报信息超出运行人员的反应和综合判断能力,无法迅速、有效排除故障的问题。APES对警报信息作智能压缩处理,提炼出关键的警报信息。本文提出一种新的流图解释结构,克服常规的文字解释速度慢、难于被用户理解和接受的缺点,更适应现场人员形象理解问题的习惯,增强了APES的透明度和实用性。