1、“.....运行时间将由硬件确定输出电路，和其他组成部分。物理意义权重个基于实验调试神经网络系统设计有关问题是网络参数物理意义缺乏权重和偏差。神经网络研究似乎是个很好例子。作者试图找到个关系，参数和数字滤波器系数方程之间相似性。数字滤波方程。方程作为等式数字滤波器频率响应。已经或继续研究但没有模式已被发现。结论实验已经表明，个前馈神经网络可以用来区分在电力变压器励磁涌流和故障电流。可以使用形调试神经网络，然后执行硬限幅器单元提高网络计算速度在实际应用中所提出方法是依赖于以下内容概括涌流和故障实例质量必须具有代表性，继电器将被安装变压器和作者不否定该方法可以用来做所有保护功能，这将需要更多研究来证明这点。载体建立在以下情况下，这些向量定义见附录。假设信号第个特征是由序列,这意味着，个序列有个样本。第矢量元素对应于第个样品，矢量条目是来自到个样品，等等......”。

2、“.....和。重复同样过程，每个信号，直到具有列实施例中，定义数目示例矩阵。这个矩阵，使得构建第例子是对应于浪涌例子所需输出，和其他例子对应于故障所需输出。由于只有个输出，矩阵成为水平个元素向量，条目是，其他均为。在实践中，使用是目标性，这意味着调试产生反应为或更大，或更少代表其他类网络。这是必要，因为非线性偏差函数性质是这样，它不能假设或精确值训练过程调试矩阵和定义，反向传播算法就应用于问题中。神经网络工具箱是应用于此目。功能是采用函数和学习率在和之间可变。容许误差总和时代中平方误差为，它是必要，目前在和万次之间，这取决于网络大小单位数目和学习速率训练矩阵。提高网络网络测试和修剪正如在第节中提到，它是希望将网络应用在数字继电器实现。这意味着速度和精度之间折衷。正如众所周知，分类时间所需时间，以产生个输出，给出个输入依赖于在网络中单元数目，所以它是非常重要......”。

3、“.....但在不危及质量情况下分类。图示出了用于此目架构测试。图测试架构训练过程中，第次尝试，如在图所示个层隐藏，。另组实施例用于训练比设定不同，这给了成功测试结果。其结果为了达到这个网络误差范围，只有约时代是必要，鼓励作者尝试更小网络。事实上，在修剪网络过程中，图所示，调试硬件架构，直到出现不允许结果为层隐藏，图。从不允许结果看，作者认为，通过停止训练来达到降低目几乎是不可能。硬限幅器单元旦网络与形单元调试得到了良好效果见图，那么单位转换函数改为硬限幅器见附录。这种变化提高了神经网络计算速度，因为它比形单元见方程和需要更少计算时间来实现硬限幅器单位阶跃。事实上，个硬限制器是相当于个语句。在这变化中存在隐性风险，在些情况下近似形单元阶跃可能产生不允许。通过硬限幅器，得到个单元输出，通过比较单元输入得到本机偏置量......”。

4、“.....但具有相同形式。图不同测试结果两个测试矩阵类似于矩阵形成在矩阵结束时，只有涌流情况下，含有励磁涌流实例和用于训练故障实例加上人工创造浪涌信号是不同，。这最后组例子可以被认为是恶意，因为例子是组从个类似于励磁涌流波形获得例子混合，它是由个数学方程构成。事实上，励磁涌流为网络分类正确率为，故障和人工涌流例子是正确，励磁涌流例子为网络分类正确率，对于故障和人工涌流实例是正确。这个百分比是通过实例计算实例每个样品测量时间，这并不意味着网络出现故障。使用该算法，如果继电器误操作，可避免继电器立即输出，采用积分器交替，浪涌检测。该方案已经应用在模拟和数字继电器，以确保正确操作。表显示了些与网络相关重要数据，如图所示。网络被归类为好或差性能性能好意味着网络可以对目标和测试作充分回应。从表中说明，该网络具有良好性能，最小单元数是层图中所示网络......”。

5、“.....个数字继电器执行样本每个周期，将具有能够标量乘法，和比较，以便识别浪涌电流语句。因此，继电器应该能够执行所有这些操作和保护功能在个周期十二分之内，也就是毫秒。这对于以现代微处理器为基础系统是合理。图不同条件下测试结果讨论质量泛化质量泛化是任何神经网络应用中关键点。在这种情况下出现信号问题。浪涌实施例中，训练和测试实施例中，这两个套方法测定变压器是相同种类。这可能会产生不确定结果，是不切实际，因为它带有浪涌上测量特定变压器，其中该网络是将要施加例子对网络进行调试。然而，如前所述，网络响应时，人为制造浪涌信号了，实验表明神经网络推广了基于励磁涌流形状，超过对变压器设计。作为个初步调试不需要如此特殊，在这里提出用具有相似特征励磁涌流继电保护变压器调试神经网络变压器方法。应该指出是表示外部故障事件中得到差动电流信号，当个电流互感器饱和后，就不使用......”。

6、“.....因为没有理由不能调试网络。作者们认为，在这种情况下电流波形接近浪涌情况下。由于没有考虑相邻变压器通电影响，但是没有理由说，网络训练来不考虑这种效果。当然，这意味着在实例集增加，会影响调整时间。这个问题和其他细节，如果采用变采样率，需要提供个成熟算法。时间考虑所提出方法识别励磁涌流必要时间会比保护算法本身例如在个数字微分计算电流大小基于全周期傅里叶算法长。这可能是神经网络方法个薄弱环节，但随着现代微处理器速度，它不是个大问题。速度更快硬件，使得算法数字继电器设计更加注重安全方面，而不是最小化算法步骤数。在最终实际应用，运行时间将由硬件确定输出电路，和其他组成部分。物理意义权重个基于实验调试神经网络系统设计有关问题是网络参数物理意义缺乏权重和偏差。神经网络研究似乎是个很好例子。作者试图找到个关系，参数和数字滤波器系数方程之间相似性。数字滤波方程......”。

7、“.....已经或继续研究但没有模式已被发现。结论实验已经表明，个前馈神经网络可以用来区分在电力变压器励磁涌流和故障电流。可以使用形调试神经网络，然后执行硬限幅器单元提高网络计算速度在实际应用中所提出方法是依赖于以下内容概括涌流和故障实例质量必须具有代表性，继电器将被安装变压器和,,,,,,,,,,,,,作者不否定该方法可以用来做所有保护功能，这将需要更多研究来证明这点。载体建立在以下情况下，这些向量定义见附录。假设信号第个特征是由序列,这意味着，个序列有个样本。第矢量元素对应于第个样品，矢量条目是来自到个样品，等等，直到完成第列矩阵例子中定义。和。重复同样过程，每个信号，直到具有列实施例中，定义数目示例矩阵。这个矩阵，使得构建第例子是对应于浪涌例子所需输出，和其他例子对应于故障所需输出。由于只有个输出，矩阵成为水平个元素向量，条目是......”。

8、“.....在实践中，使用是目标性，这意味着调试产生反应为或更大，或更少代表其他类网络。这是必要，因为非线性偏差函数性质是这样，它不能假设或精确值训练过程调试矩阵和定义，反向传播算法就应用于问题中。神经网络编号中文字毕业设计外文翻译院系机电工程学院专业机械设计制造及其自动化学生姓名学号指导教师单位机电工程学院姓名职称题目类型理论研究实验研究工程设计工程技术研究软件开发年月日调试人工神经网络来区分励磁涌流和内部故障出处,摘要经过调试前馈神经网络区分电力变压器励磁涌流和故障电流。所用调试算法是反向传播，假定最初型传递函数为网络处理单元神经元。那么网络进行训练单位传递函数改为硬限幅器阈值等于在调试中形偏差。本文展示个可被视为种替代方法，使数字继电器在浪涌和故障电流之间实现判别。关键词浪涌电流，变压器保护，数字式继电器，神经网络。简介任何电源变压器保护方案......”。

9、“.....因为这种效应可能导致继电器误操作。避免由于浪涌电流跳闸两个经典方法是实施保护装置中延迟，根据所测量电流谐波含量,抑制或阻断继电器动作。第个解决方案已被用于初级过电流保护和在差分格式中。然而，这是不理想，因为延迟内部故障跳闸时间存在潜在危险。第二个解决方案是基于浪涌电流第二次高次谐波分量明显地大于典型故障电流，在此基础上检测到第二有时第五次谐波，提出并实现了模拟和数字两种差动继电器，并取得良好效果。在最近论文报道，在些情况下，高次谐波产生变压器内部故障期间，如果测得过电流是个浪涌或内部故障，那么所述第二或第五谐波检测是不充分指标。该论文中，在提出方法基础上使用个主相电压作为控制信号。也有隐式励磁涌流变压器保护方法,和提出其他些有效方法检测浪涌,。本文中所描述是在检测方法基础上确认其波形，更确切地说，在鉴别其波浪形是故障波形还是浪涌电流。可以以不同方式来完成这种调试......”。