本發(fā)明涉及一種變壓器繞組狀態(tài)識別方法，尤其涉及一種基于模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的變壓器繞組狀態(tài)識別方法，屬于電力變壓器的狀態(tài)監(jiān)測與故障診斷技術(shù)領(lǐng)域。

背景技術(shù)：

變壓器故障會給整個電網(wǎng)的安全穩(wěn)定經(jīng)濟(jì)運(yùn)行產(chǎn)生很大影響，短路事故是變壓器日常運(yùn)行中最容易發(fā)生的事故之一，對于一般變壓器來說，抗短路能力不強(qiáng)是其通病。變壓器抗短路能力與繞組狀態(tài)密切相關(guān)，抗短路能力不足將直接導(dǎo)致繞組松動、壓緊力下降。然而，目前國內(nèi)外還沒有能夠有效監(jiān)測繞組狀態(tài)的有效方法，無法及時掌握變壓器內(nèi)部繞組的運(yùn)行狀態(tài)。

振動法使用粘貼在變壓器身表面的振動傳感器采集振動信號，通過對振動信號進(jìn)行分析處理提取出振動特征量來進(jìn)行在線監(jiān)測。與短路阻抗、低壓脈沖和頻響分析等電氣實(shí)驗(yàn)法通過檢測電氣參數(shù)的變化不同，該方法與整個電力系統(tǒng)電氣隔離，監(jiān)測安全、方便，對變壓器和整個電力系統(tǒng)的安全運(yùn)行沒有影響，可以極大地提高診斷的準(zhǔn)確性。

變壓器結(jié)構(gòu)復(fù)雜，設(shè)備自身存在著非線性。又由于變壓器故障產(chǎn)生的形式和原因眾多、再加上設(shè)備運(yùn)行工況的變化，使得振動信號中包含了復(fù)雜的動態(tài)、非平穩(wěn)和非線性成分。因此無法直接通過簡單的傅里葉變換來對振動信號進(jìn)行分析處理，必須經(jīng)過信號處理提取出特征量來判斷變壓器運(yùn)行狀態(tài)。

小波包變換是在小波變換的基礎(chǔ)上發(fā)展起來的一種非平穩(wěn)信號處理方法，不僅能對信號低頻部分進(jìn)行分解，還可以對高頻部分提供精細(xì)的分辨能力。小波包分解可以將信號無冗余無遺漏的正交分解到獨(dú)立的子頻帶內(nèi)，對包含大量高頻信息的振動信號能夠進(jìn)行更好的時頻局部化分析。

神經(jīng)網(wǎng)絡(luò)在模式識別中應(yīng)用廣泛，模糊ART網(wǎng)絡(luò)將模糊理論與自適應(yīng)共振網(wǎng)絡(luò)相結(jié)合，是一種自組織模擬神經(jīng)網(wǎng)絡(luò)。與一般神經(jīng)網(wǎng)絡(luò)以網(wǎng)絡(luò)誤差或者能量函數(shù)的單調(diào)遞減為算法準(zhǔn)則不同，其采用競爭學(xué)習(xí)機(jī)制，利用生物神經(jīng)細(xì)胞之間興奮與抑制原理，讓輸入模式通過網(wǎng)絡(luò)的雙向連接進(jìn)行識別和比較，最后達(dá)到共振來完成對自身的記憶和對網(wǎng)絡(luò)的回憶，解決了神經(jīng)網(wǎng)絡(luò)穩(wěn)定性與可塑性兩難的問題。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)存在的不足，本發(fā)明目的是提供一種基于模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的變壓器繞組狀態(tài)識別方法，對變壓器振動信號進(jìn)行小波包能量提取，構(gòu)造特征向量作為模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的輸入，通過網(wǎng)絡(luò)在共振狀態(tài)下的不斷學(xué)習(xí)和調(diào)整，來對變壓器繞組壓緊狀態(tài)進(jìn)行識別；本發(fā)明能夠準(zhǔn)確快速地判斷出變壓器繞組壓緊狀態(tài)，可用于變壓器繞組壓緊狀態(tài)的在線監(jiān)測與識別。

為了實(shí)現(xiàn)上述目的，本發(fā)明是通過如下的技術(shù)方案來實(shí)現(xiàn)：

本發(fā)明的一種基于模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的變壓器繞組狀態(tài)識別方法，包括以下幾個步驟：

(1)布置多個振動傳感器的監(jiān)測點(diǎn)，設(shè)置數(shù)據(jù)采集儀的采樣頻率和采樣時間，采集變壓器振動信號X(t)；

(2)對所述變壓器振動信號X(t)進(jìn)行小波包分解與重構(gòu)；

(3)提取小波包重構(gòu)信號的子頻帶能量值；

(4)對各振動測點(diǎn)的子頻帶能量值進(jìn)行分析，選擇有效測點(diǎn)的特征頻帶的能量值作為特征向量T，作為模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的輸入；

(5)建立模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)，并進(jìn)行網(wǎng)絡(luò)參數(shù)的最優(yōu)值選擇；

(6)通過所述模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)對變壓器繞組狀態(tài)進(jìn)行識別。

步驟(1)中，所述振動傳感器具體采用的是壓電式振動加速度傳感器。

步驟(1)中，一部分所述振動傳感器固定在變壓器油箱頂部高低壓繞組中間，另外一部分振動傳感器固定在變壓器油箱側(cè)面1/2高度處。

步驟(1)中，所述數(shù)據(jù)采集儀連續(xù)至少3次采集變壓器每個測點(diǎn)的振動信號，按設(shè)定的采樣頻率和采樣時間整周期截取變壓器振動信號X(t)。

步驟(4)中，對各振動測點(diǎn)的子頻帶能量值進(jìn)行分析的方法如下：首先，作出所有測點(diǎn)子頻帶能量分布圖，在所有測點(diǎn)的子頻帶能量分布圖中，先選擇振動信號強(qiáng)、且在不同繞組狀態(tài)下振動有區(qū)別的測點(diǎn)作為有效測點(diǎn)；然后，在有效測點(diǎn)的子頻帶能量分布圖中，選擇在不同繞組狀態(tài)下能量值有變化的子頻帶作為特征頻帶。

步驟(5)中，利用MATLAB平臺建立模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)。

步驟(5)中，所述網(wǎng)絡(luò)參數(shù)包括選擇參數(shù)、學(xué)習(xí)速率和警戒閾值；網(wǎng)絡(luò)參數(shù)的最優(yōu)值選擇方法如下：首先，將所述學(xué)習(xí)速率和警戒閾值設(shè)為默認(rèn)值，將所述選擇參數(shù)設(shè)為不同值對網(wǎng)絡(luò)進(jìn)行繞組狀態(tài)識別，選擇識別效果最好的選擇參數(shù)作為網(wǎng)絡(luò)最佳選擇參數(shù)；然后，將所述選擇參數(shù)和警戒閾值設(shè)為默認(rèn)值，將所述學(xué)習(xí)速率設(shè)為不同值對網(wǎng)絡(luò)進(jìn)行繞組狀態(tài)識別，選擇識別效果最好的學(xué)習(xí)速率作為網(wǎng)絡(luò)最佳學(xué)習(xí)速率；最后，將所述選擇參數(shù)和學(xué)習(xí)速率設(shè)為默認(rèn)值，將所述警戒閾值設(shè)為不同值對網(wǎng)絡(luò)進(jìn)行繞組狀態(tài)識別，選擇識別效果最好的警戒閾值作為網(wǎng)絡(luò)最佳警戒閾值。

步驟(5)中，所述模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)由3層構(gòu)成，設(shè)原始輸入向量I＝(I₁,I₂…,I_m)，其中I_i∈[0,1](i＝1,2,…,m)；

①預(yù)處理層F₀，由2m個節(jié)點(diǎn)構(gòu)成，對原始輸入向量I進(jìn)行補(bǔ)碼處理，原始輸入向量I可以直接通過F₀層輸入到網(wǎng)絡(luò)中，F(xiàn)₀層的輸出為X，X＝其中

②比較層F₁，由2m個節(jié)點(diǎn)構(gòu)成，M為F₁層的節(jié)點(diǎn)數(shù)，則M＝2m，F(xiàn)₁層接受來自F₀層自底向上的輸入X和F₂層自頂向下的輸入W，其中W為網(wǎng)絡(luò)權(quán)值，其中即：當(dāng)i＝1,2,…,m時，x_i＝I_i；當(dāng)i＝m+1,m+2,…,2m時，

③識別層F₂，由N個節(jié)點(diǎn)y_j(j＝1,2,…,N)構(gòu)成，N為輸入向量所屬類別總數(shù)，每個節(jié)點(diǎn)y_j(j＝1,2,…,N)表示輸入向量所屬類別編號，Y＝(y₁,y₂,…,y_N)，Y表示網(wǎng)絡(luò)已經(jīng)存儲的輸入向量類別。

步驟(6)中，通過所述模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)對變壓器繞組狀態(tài)進(jìn)行識別的方法如下：

(1-1)預(yù)處理：輸入外部向量I，在預(yù)處理層F₀形成補(bǔ)碼輸入向量X，

(1-2)網(wǎng)絡(luò)初始化：進(jìn)行網(wǎng)絡(luò)權(quán)值W的初始化以及選擇參數(shù)α、學(xué)習(xí)速率β和警戒閾值ρ的最優(yōu)值選擇；

(1-3)模式選擇：對輸入向量X和識別層F₂的節(jié)點(diǎn)j(j＝1,2,…,N)計(jì)算選擇函數(shù)T_j，通過T_J＝max(T₁,T₂,…,T_N)，選擇節(jié)點(diǎn)J為優(yōu)勝神經(jīng)元；其中，||X∧w_j||＝min(X,w_j)，w_j為F₂層節(jié)點(diǎn)j指向F1層的網(wǎng)絡(luò)權(quán)值，是網(wǎng)絡(luò)權(quán)值W的分量；w_ij為F₂層節(jié)點(diǎn)j指向F₁層節(jié)點(diǎn)i的網(wǎng)絡(luò)權(quán)值，是網(wǎng)絡(luò)權(quán)值w_j的分量；

(1-4)模式匹配：計(jì)算輸入向量X與節(jié)點(diǎn)J的匹配程度M_J，將M_J與警戒閾值ρ進(jìn)行比較，其中，

(1-5)若M_J≥ρ，則發(fā)生共振，將該輸入模式歸為節(jié)點(diǎn)J所屬模式類，并進(jìn)行權(quán)值調(diào)整：節(jié)點(diǎn)J權(quán)值調(diào)整為：w_ij＝β(I∧w_ij)+(1-β)w_ij，其他節(jié)點(diǎn)權(quán)值不變；否則回到步驟(1-3)重新選擇下一個優(yōu)勝神經(jīng)元進(jìn)行模式匹配；

(1-6)若識別層F₂所有節(jié)點(diǎn)都不匹配，則新建一個網(wǎng)絡(luò)節(jié)點(diǎn)存儲該模式。

本發(fā)明能夠以變壓器振動信號的小波包能量值構(gòu)造振動特征向量，作為模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的輸入，準(zhǔn)確地對變壓器繞組狀態(tài)進(jìn)行自動識別。不僅可以對神經(jīng)網(wǎng)絡(luò)中已存儲的繞組狀態(tài)進(jìn)行識別，還可以準(zhǔn)確識別未知的繞組新狀態(tài)，特別適用于變壓器繞組的在線監(jiān)測與狀態(tài)識別。

附圖說明

圖1為本發(fā)明的基于模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的變壓器繞組狀態(tài)識別方法工作流程圖；

圖2為振動監(jiān)測點(diǎn)布置圖；

圖3(a)為1號測點(diǎn)第4層小波包子頻帶能量與繞組狀態(tài)的關(guān)系；

圖3(b)為1號測點(diǎn)第4層小波包子頻帶能量與繞組狀態(tài)的關(guān)系；

圖3(c)為1號測點(diǎn)第4層小波包子頻帶能量與繞組狀態(tài)的關(guān)系；

圖3(d)為1號測點(diǎn)第4層小波包子頻帶能量與繞組狀態(tài)的關(guān)系；

圖3(e)為1號測點(diǎn)第4層小波包子頻帶能量與繞組狀態(tài)的關(guān)系；

圖3(f)為1號測點(diǎn)第4層小波包子頻帶能量與繞組狀態(tài)的關(guān)系；

圖4為本發(fā)明模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖；

圖5為本發(fā)明模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)識別過程工作流程圖。

具體實(shí)施方式

為使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合具體實(shí)施方式，進(jìn)一步闡述本發(fā)明。

參見圖1，本發(fā)明的一種基于模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的變壓器繞組狀態(tài)識別方法，包括以下幾個步驟：

(1)布置多個振動傳感器的監(jiān)測點(diǎn)，設(shè)置數(shù)據(jù)采集儀的采樣頻率和采樣時間，采集變壓器振動信號X(t)；

(2)對所述變壓器振動信號X(t)進(jìn)行小波包分解與重構(gòu)；

(3)提取小波包重構(gòu)信號的子頻帶能量值；

(4)作出所有測點(diǎn)子頻帶能量分布圖。由于振動信號在傳播過程中，不同振動會相互影響，經(jīng)過不同傳播途徑會有不同程度的衰減。因此，在油箱表面不同位置所測振動信號強(qiáng)弱是不同的。在所有測點(diǎn)的子頻帶能量分布圖中，先選擇振動信號強(qiáng)、且在不同繞組狀態(tài)下振動有明顯區(qū)別的測點(diǎn)作為有效測點(diǎn)。然后在有效測點(diǎn)的子頻帶能量分布圖中，選擇在不同繞組狀態(tài)下能量值有明顯變化的子頻帶作為特征頻帶。最后，選擇有效測點(diǎn)的特征頻帶的能量值作為特征向量T，作為模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的輸入；

(5)利用MATLAB或其他平臺建立模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)，并進(jìn)行網(wǎng)絡(luò)參數(shù)的最優(yōu)值選擇。不同選擇參數(shù)、學(xué)習(xí)速率和警戒閾值會對網(wǎng)絡(luò)識別效果產(chǎn)生很大影響，因此，需要對這三個網(wǎng)絡(luò)參數(shù)進(jìn)行最優(yōu)值選擇。首先將學(xué)習(xí)速率和警戒閾值設(shè)為默認(rèn)值，將選擇參數(shù)設(shè)為不同值對網(wǎng)絡(luò)進(jìn)行繞組狀態(tài)識別，選擇識別效果最好的選擇參數(shù)作為網(wǎng)絡(luò)最佳選擇參數(shù)。然后將選擇參數(shù)和警戒閾值設(shè)為默認(rèn)值，將學(xué)習(xí)速率設(shè)為不同值對網(wǎng)絡(luò)進(jìn)行繞組狀態(tài)識別，選擇識別效果最好的學(xué)習(xí)速率作為網(wǎng)絡(luò)最佳學(xué)習(xí)速率。最后將選擇參數(shù)和學(xué)習(xí)速率設(shè)為默認(rèn)值，將警戒閾值設(shè)為不同值對網(wǎng)絡(luò)進(jìn)行繞組狀態(tài)識別，選擇識別效果最好的警戒閾值作為網(wǎng)絡(luò)最佳警戒閾值；

(6)通過所述模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)對變壓器繞組狀態(tài)進(jìn)行識別。

基于模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)的變壓器繞組狀態(tài)識別方法，通過改變變壓器繞組與結(jié)構(gòu)件之間的預(yù)緊力來模擬變壓器繞組松動狀態(tài)，實(shí)驗(yàn)設(shè)置9種繞組松動狀態(tài)，如表1所示。繞組前后螺桿正常狀態(tài)的額定壓緊力為28MPa，0MPa表示完全松動狀態(tài)，0.5(對應(yīng)14MPa)表示不完全松動狀態(tài)。對變壓器進(jìn)行抽油、吊罩，通過液壓系統(tǒng)來精確控制繞組壓緊力，以實(shí)現(xiàn)繞組不同松動狀態(tài)的設(shè)置。然后再裝罩、注油，重新安裝好變壓器，靜置。

表1 繞組壓緊狀態(tài)

采用型號為JF2020的振動加速度傳感器，使用磁座將傳感器吸附固定在變壓器油箱表面。傳感器安裝在圖2所示的測點(diǎn)1～6處，1、2、3位于油箱頂部高低壓繞組中間，4、5、6位于油箱側(cè)面1/2高度處，分別與A、B、C相對應(yīng)。數(shù)據(jù)采集儀選用Nicolet采集儀，采樣頻率設(shè)置為10kHz。

按表1繞組狀態(tài)順序設(shè)置繞組狀態(tài)，每設(shè)置一次繞組狀態(tài)后，將變壓器低壓側(cè)三相短路，高壓側(cè)接調(diào)壓器的輸出端，調(diào)節(jié)調(diào)壓器使低壓側(cè)電流為額定電流，采集變壓器振動信號。實(shí)驗(yàn)共計(jì)采集9次振動信號。

對采集的振動信號采用db10小波進(jìn)行4層小波包分解與重構(gòu)(各子頻帶頻率范圍如表2所示)，提取第4層子頻帶能量值。6個測點(diǎn)在9種繞組狀態(tài)下的第4層小波包能量值如圖3(a)、3(b)、3(c)、3(d)、3(e)、3(f)所示。由圖3(a)、3(b)、3(c)、3(d)、3(e)、3(f)可以看出，1號和4號測點(diǎn)9種繞組狀態(tài)下的小波包能量基本沒有太大區(qū)別，不將其子頻帶能量譜作為特征向量的子向量。2號、3號、5號和6號測點(diǎn)的第4層小波包能量譜的第一個(S(4,0)，0～312.5Hz)和第七個(S(4,6)，1250～1562.5Hz)子頻帶在9種繞組狀態(tài)下有較大區(qū)別。故2、3、5、6為有效測點(diǎn)，同時，S(4,0)和S(4,6)是振動特征頻帶。

采用2、3、5、6這4個有效測點(diǎn)的特征頻帶S(4,0)和S(4,6)共8個子頻帶能量，作為變壓器繞組不同狀態(tài)下的特征值，來判斷繞組狀態(tài)。即特征向量T＝[E₂₄₀,E₂₄₆,E₃₄₀,E₃₄₆,E₅₄₀,E₅₄₆,E₆₄₀,E₆₄₆](E表示子頻帶能量譜，下標(biāo)第一個數(shù)字表示測點(diǎn)，第二、三個數(shù)字表示第4層小波包子頻帶)。

表2 4層小波包分解子頻帶頻率范圍(Hz)

構(gòu)建模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示，由3層構(gòu)成。設(shè)輸入向量I＝(I₁,I₂…,I_m)，其中I_i∈[0,1](i＝1,2,…,m)。

①預(yù)處理層F₀：由2m個節(jié)點(diǎn)構(gòu)成，對原始輸入向量進(jìn)行補(bǔ)碼處理，原始輸入向量I可以直接通過F₀層輸入到網(wǎng)絡(luò)中，其中

②比較層F₁：由2m(令M＝2m)個節(jié)點(diǎn)構(gòu)成，接受來自F₀層自底向上的輸入X和F₂層自頂向下的輸入W，其中X＝(x₁,x₂,…,x_M)＝A。

③識別層F₂：由N個節(jié)點(diǎn)構(gòu)成，Y＝(y₁,y₂,…,y_N)，每個節(jié)點(diǎn)表示輸入模式所屬類別編號。

取變壓器繞組在前8種不同狀態(tài)下的特征量各20組，共160組數(shù)據(jù)作為樣本數(shù)據(jù)，對網(wǎng)絡(luò)進(jìn)行選擇參數(shù)α、學(xué)習(xí)速率β和警戒閾值ρ等網(wǎng)絡(luò)參數(shù)的識別，使之達(dá)到滿意的精度。

網(wǎng)絡(luò)識別過程如圖5所示，具體方法如下：

(1-1)預(yù)處理：輸入外部向量I，在F₀層形成補(bǔ)碼輸入向量X，

(1-2)網(wǎng)絡(luò)初始化：進(jìn)行權(quán)值W、選擇參數(shù)α、學(xué)習(xí)速率β和警戒閾值ρ的初始化；

(1-3)模式選擇：對輸入模式X和F₂的節(jié)點(diǎn)j(j＝1,2,…,N)計(jì)算選擇函數(shù)T_j，通過T_J＝max(T₁,T₂,…,T_N)，選擇節(jié)點(diǎn)J為優(yōu)勝神經(jīng)元。其中，(x∧w_j)_i＝min(x_i,w_ij)，

(1-4)模式匹配：計(jì)算輸入向量X與節(jié)點(diǎn)J的匹配程度M_J，將M_J與警戒閾值ρ進(jìn)行比較；

(1-5)若M_J≥ρ，則發(fā)生共振，將該輸入模式歸為節(jié)點(diǎn)J所屬模式類，并進(jìn)行權(quán)值調(diào)整：節(jié)點(diǎn)J權(quán)值調(diào)整為：w_ij＝β(I∧w_ij)+(1-β)w_ij，其他節(jié)點(diǎn)權(quán)值不變。否則回到(1-3)重新選擇下一個優(yōu)勝神經(jīng)元進(jìn)行模式匹配。

(1-6)若F₂層所有節(jié)點(diǎn)都不匹配，則新建一個網(wǎng)絡(luò)節(jié)點(diǎn)存儲該模式。

當(dāng)選擇參數(shù)α＝0.05，學(xué)習(xí)速率β＝1(快速學(xué)習(xí))，警戒閾值ρ＝0.96時，網(wǎng)絡(luò)性能達(dá)到最佳。將網(wǎng)絡(luò)參數(shù)設(shè)置為最佳值，對網(wǎng)絡(luò)進(jìn)行測試。另取繞組在前8種狀態(tài)下的特征量各20組，再取繞組在狀態(tài)9下的特征量20組，共180組測試數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行測試，測試結(jié)果如表3所示。

表3 模糊ART網(wǎng)絡(luò)識別結(jié)果

從表3可以看出，

(1)對于網(wǎng)絡(luò)中已存儲的繞組狀態(tài)，模糊自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)識別率保持在95％以上，可以快速準(zhǔn)確地進(jìn)行繞組狀態(tài)識別。

(2)對于網(wǎng)絡(luò)中未存儲的新模式狀態(tài)9，雖然沒有通過訓(xùn)練樣本對其進(jìn)行訓(xùn)練，但網(wǎng)絡(luò)仍可以識別出這種狀態(tài)是網(wǎng)絡(luò)新的類別，而沒有將其作為已有的類別而發(fā)生誤判。這是其他神經(jīng)網(wǎng)絡(luò)所不具有的優(yōu)點(diǎn)。

(3)網(wǎng)絡(luò)將狀態(tài)9歸類為-1是因?yàn)榫W(wǎng)絡(luò)將未存儲的新模式類定義為-1，以作為新的類別與網(wǎng)絡(luò)已存儲的模式類進(jìn)行區(qū)分。這樣在下個輸入模式進(jìn)入網(wǎng)絡(luò)進(jìn)行識分類時，網(wǎng)絡(luò)會重新進(jìn)行權(quán)值調(diào)整，將其作為已存儲的模式進(jìn)行網(wǎng)絡(luò)記憶。

以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù)人員應(yīng)該了解，本發(fā)明不受上述實(shí)施例的限制，上述實(shí)施例和說明書中描述的只是說明本發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其等效物界定。