1、“.....汇合误差为培训进程被显示在图。图汇合误差为神经网络培训进程培训的使用系数和输出值的培训由给在培训之后可能被查找在表之后。各种各样套参考电池开放电路电压和时间参数依照被显示在表被提供作为输入给。为了验证的学习能力,其它与那个不同在表并且被提供给,依照被预计给在之外的值。软件被使用了在的培训中。从输入到隐藏层的重量如下重量对输出层是,。偏心对层是。偏心到层是。结论人工神经网络为充电太阳合成通信工具的电池已经被提议在本文里。脱机,以梯度下降动量算法被培训使用传播,被运用为参考电压的联机估计为哺养转接循环。实验数据被使用为的脱机培训,并且软件被使用在最后的培训中。估计的精确度由汇合误差的图形验证了......”。

2、“.....特别由于没有对电压和当前传感器的需要,和因为它避免力量的个复杂计算。实验和模拟结果表示,提出的计划是高效率的。参考文献ηⅠ,附录太阳能汽车通信工具的人工神经网络最大能量点的跟踪仪摘要本文提出的是台太阳能汽车的人工神经网络最大力量的跟踪仪器。是根据台高效率的升压变频器和绝缘阀双极晶体管电源开关为基础的。的参考电压是以梯度下降动量算法通过人工神经网络获得。跟踪的算法是通过更改变频器的任务周期，以便使模块电压等于对应的在所有指定的日射能量温度,和负荷状态下的电压。为快速的回应,系统被实施使用数字信号处理器。整个系统的稳定性是通过种固有的积分导数调节控制器按比例经过包括改进按比例进行改善的......”。

3、“.....调节控制器,以提供的信息为依据,形成升压变频器的工作周期。被获得的大量能量被使用在太阳能汽车的充电锂离子电池上。实验和模拟结果表示,提出的计划是高效率的。关键词人工神经网络最大能量点跟踪仪光致电压模块数字信号处理器太阳能汽车通信工具。简介光致电压的生成获取增加的重要性作为可延续能源。太阳能的不受欢迎得到了迅速的更改,通常发生在个连续通信工具上,由于树荫从大厦大树,和多云等情况的出现，在常规系统有困难的回应迅速差异是由于树荫产生的。系统主要缺点是,最初安装费用是相当地高并且能量转换效率从到是相对比较低的。此外,在许多情况下,系统要求台动力调节器直流电直流电或直流电交流电的交换器为负荷界面。所以,整个系统费用能被猛烈地减少......”。

4、“.....譬如最大能量点跟踪仪,提取和维护峰值功率从模块既使当上述不赞同的条件发生。各种各样的最大能量跟踪仪的方法，已经被考虑了在力量应用中。在小山之中攀登的方式,扰乱和观察跟踪最大能量点由增加或再减少输出电压在模块的上。这个方法要求与的计算来确定。但当辐照度迅速的更改时它无法跟踪到值，并且,方法是在附近摆动而代替直接地跟踪它。递增导率技术其它方法之中是最精确的。这个方法在迅速更改的情况下可得到很好的性能。但是,的复杂计算和复杂的算法要求对每个数字信号进行处理,通常将增加总系统费用。跟踪的方法使用模块的短路在当前运用情况运行下当前模块的短路电流是成线性比例的。在迅速地更改大气情况之下,这个方法有跟踪的快速的回应速度,但控制电路是复杂的......”。

5、“.....这个方法是非常简单和有效的,但参考电压不能更改在采样之间。使用模糊的逻辑性,和人工神经网络被报导出来。这些研究表示,像这样的现代控制算法是能改进跟踪的性能与比较常规方法。在本文里,我们提出为太阳电通信工具系统。跟踪的算法更改交换器的义务比率以便使模块电压等于电压对应于在那个大气情况。这个调整由使用执行传播。参考电压对由脱机被培训的获得。管理器生成升压交换器的工作周期。模块特性太阳列阵特性极大影响了交换器和控制系统的设计,因此特性简要将被复核得这里。太阳列阵是个非线性设备,可能代表作为个当前来源设计,依照被显示在图。太阳列阵的传统特性......”。

6、“.....由以下等式给和是太阳列阵的输出电流和输出电压是被生成的当前在指定的日射能量之下是反向饱和电流是电子的电量是伯磁曼常数是连接点的理想系数是列阵温度和是太阳列阵的内在电阻和分流器抵抗电阻。太阳列阵的饱和电流随温度变化根据以下等式是参考温度被使用在太阳列阵上的是在下的饱和电流是半导体的范围空白能量并且是理想系数是在下的短路是短路电流的温度系数是内的日射能量。等式被使用在计算机模拟的发展中。编程语言被使用。图显示被模拟的电流电压和力量电压弯曲为太阳列阵在不同的日射能量和不同的温度。这些曲线表示,太阳列阵的输出特性是非线性和受太阳辐射温度,和负荷状态很大地影响。各曲线有最大力量点,是优选的运行的点有利于太阳列阵的高效率的使用......”。

7、“.....最近,其申请以各种各样的域增加速度,。误差的平方或误差能量的瞬间总和在迭代次被测量那里神经元位于同层的神经元右边,和神经元位于同层的神经元右边当神经元是个被隐藏的部件是误差信号在神经元输出为迭代并且集包括所有神经元在网络的外面层。对突触神经的重量被给出是动量常数是反向增值算法的学习率参变量是局部梯差信号在输出被定义是渴望的回应或想要的目标和是输出信号。重量的调整为这些层被给从。和,平均值的平方误差信息标准值可写出，为网络培训再执行直到性能标准下跌在个指定值之下,理想的到零。然后被连接的网络的重量以这样的方式被调整......”。

8、“.....参考电压在这个状况下变得相等与最大力量点电压。被提出的三层哺养转接神经网络功能的近似值被显示在图。神经网络被使用获得最大力量的电压的太阳盘区。网络有三块层输入,隐藏,和输出层。节点的数量是二,四,和个在输入,被隐藏的,和输出层,各自地。参考电池开放电路电压和时间参数被提供给神经网络的输入层。这些信号直接地通过对节点在下块被隐藏的层。节点在输出层提供辨认的最大力量点电压。节点在被隐藏的层得到信号从输入分层堆积和寄发他们的输出到节点在输出层。标准差的放射性功能被运用在网络的层。训练计划计算连接的重量,以偏心为输入到被隐藏的层映射,连接的重量,偏心倾斜为被隐藏的层被输出层映射。在培训期间......”。

9、“.....直达到输入输出模式在培训中的数据。最后的培训是成功脱机使用。图哺养转接神经网络功能近似值实验模拟结果列阵被使用为实验数据的收集是德国型模块。模块有最大功率输出和开放电路电压在瓦平方米。的辐照区域年和温度条件下。模块说明提供了由制造商在表。上面的表模块最大力量的表电子说明,短路当前,开放电路电压,电压在最大力量点,当前在最大力量点,淘气鬼范围质量公斤哺养转接传播,依照被显示在图被培训了以值被获得从参考电池的实验数据而获得的值。梯度下降算法被使用在培训如同改进的性能,减少总误差可由沿其梯度更改重量。培训参数是如下学习的费率参数动量系数培训的编号误差。汇合误差为培训进程被显示在图......”。