基于模糊推理和神经网络的预想事故自动选择研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·问题的提出及研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文研究的主要内容 | 第11-13页 |
| 2 模糊理论与神经网络的基本原理 | 第13-30页 |
| ·模糊理论 | 第13-22页 |
| ·模糊理论的基础 | 第13-18页 |
| ·模糊推理系统 | 第18-22页 |
| ·神经网络理论 | 第22-29页 |
| ·神经网络概述 | 第22-23页 |
| ·径向基神经网络 | 第23-26页 |
| ·反向传播神经网络 | 第26-29页 |
| ·RBF 网络与 BP 网络比较 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3 基于模糊推理和径向基网络的预想事故自动选择 | 第30-42页 |
| ·预想事故自动选择概述 | 第30-32页 |
| ·ACS 算法的原理框图 | 第30-31页 |
| ·行为指标 | 第31-32页 |
| ·终止判据 | 第32页 |
| ·ACS 算法的有效性评定 | 第32页 |
| ·行为指标的定义 | 第32-34页 |
| ·模糊推理系统的建立 | 第34-38页 |
| ·系统潮流分析 | 第34-35页 |
| ·输入量输出量的确定 | 第35页 |
| ·隶属函数的选择 | 第35-36页 |
| ·模糊规则的制定 | 第36-37页 |
| ·模糊推理系统工作流程 | 第37-38页 |
| ·RBF 网络的建立 | 第38-41页 |
| ·RBF 网络拓扑结构 | 第38-39页 |
| ·RBF 网络样本的选取 | 第39-40页 |
| ·RBF 网络模型的训练与测试 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 算例及分析 | 第42-59页 |
| ·引言 | 第42页 |
| ·IEEE-30 节点系统算例 | 第42-52页 |
| ·行为指标计算 | 第43-47页 |
| ·算法分析 | 第47-51页 |
| ·算法有效性评定 | 第51-52页 |
| ·IEEE-118 节点系统算例 | 第52-57页 |
| ·行为指标计算 | 第52-56页 |
| ·算法分析 | 第56页 |
| ·算法有效性评定 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 5 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-66页 |
| A IEEE-118 节点系统结构图 | 第65-66页 |
| B 作者在攻读硕士学位期间发表的论文目录 | 第66页 |
