Luận văn thạc sĩ: Ứng dụng mạng neuron mờ cho bảo vệ máy biến áp

Luận văn thạc sĩ nghiên cứu hệ thống điện ứng dụng mạng neuron mờ cho việc bảo vệ khối phần tử bảo vệ máy biến áp, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn

• Tác giả: Vuõ Ngoïc Vieân
• Người hướng dẫn: TS. Nguyễn Hoàng Việt
• Trường học: Đại Học Bách Khoa
• Chuyên ngành: Hệ Thống Điện
• Đề tài: Ứng Dụng Mạng Neuron Mờ Trong Bảo Vệ Máy Biến Áp
• Loại tài liệu: luận văn cao học
• Năm xuất bản: 2002
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng quan về mạng neuron và ứng dụng trong điều khiển

Mạng neuron, hay còn gọi là mạng neuron nhân tạo, là một lĩnh vực khoa học mới, phát triển từ nhiều ngành khoa học tự nhiên khác nhau như sinh vật học, vật lý học, tâm lý học và thần kinh học. Kỹ thuật này có khả năng thực hiện các phép toán phức tạp thông qua việc kết nối các phần tử tính toán với nhau. Mạng neuron có nhiều ứng dụng trong lĩnh vực hệ thống điện, đặc biệt là trong việc bảo vệ máy biến áp. Đặc điểm của mạng neuron cho phép xử lý song song, giúp tăng hiệu suất tính toán. Mạng neuron có thể học hỏi và thích nghi với các điều kiện mới, điều này rất quan trọng trong việc phát hiện và xử lý sự cố trong hệ thống điện. Theo nghiên cứu, mạng neuron có thể đạt được độ chính xác cao trong việc nhận diện và phân loại các tín hiệu điện, từ đó giúp bảo vệ máy biến áp một cách hiệu quả.

1.1 Giới thiệu chung về Neural Networks

Mạng neuron nhân tạo là một mô hình toán học đơn giản của bộ não con người, có khả năng xử lý thông tin song song. Mạng neuron có thể học các kết hợp mới, các chức năng mới hay nhận biết các mẫu mới. Mặc dù máy tính có thể thực hiện các phép toán với độ chính xác cao, nhưng mạng neuron lại mang đến một thế giới mới trong lĩnh vực xử lý thông tin. Mạng neuron có nhiều lợi ích, đặc biệt là cung cấp độ chính xác cao trong việc nhận diện và phân loại các tín hiệu điện. Điều này cho phép mạng neuron hoạt động hiệu quả trong việc bảo vệ máy biến áp, giúp phát hiện và xử lý sự cố nhanh chóng.

1.2 Lịch sử phát triển

Mạng neuron được xem như một mô hình toán học của bộ não con người, có khả năng xử lý thông tin song song. Lịch sử phát triển của mạng neuron bắt đầu từ những năm 1940 với các nghiên cứu của McCulloch và Pitts. Năm 1958, Rosenblatt giới thiệu khái niệm Perceptron, đánh dấu bước ngoặt trong nghiên cứu mạng neuron. Mặc dù có nhiều thách thức trong việc phát triển mạng neuron, nhưng các nghiên cứu tiếp theo đã mở ra nhiều ứng dụng mới, đặc biệt trong lĩnh vực nhận diện và phân loại tín hiệu. Sự phát triển của mạng neuron đã tạo ra nhiều ứng dụng trong các lĩnh vực khác nhau, từ nhận diện hình ảnh đến bảo vệ hệ thống điện.

II. Nguyên lý bảo vệ khoái phần tử

Bảo vệ khoái phần tử là một yếu tố quan trọng trong việc đảm bảo an toàn cho hệ thống điện. Nguyên lý bảo vệ này dựa trên việc phát hiện và xử lý các sự cố trong hệ thống điện, nhằm bảo vệ máy biến áp khỏi các tình huống nguy hiểm. Việc sử dụng mạng neuron trong bảo vệ khoái phần tử giúp tăng cường khả năng phát hiện sự cố, từ đó giảm thiểu thiệt hại cho hệ thống. Mạng neuron có khả năng học hỏi từ các dữ liệu lịch sử, giúp cải thiện độ chính xác trong việc phát hiện sự cố. Điều này đặc biệt quan trọng trong bối cảnh hệ thống điện ngày càng phức tạp và yêu cầu cao về độ tin cậy.

2.1 Đặt vấn đề

Trong bối cảnh hiện nay, việc bảo vệ máy biến áp trở nên cấp thiết hơn bao giờ hết. Các sự cố có thể xảy ra bất cứ lúc nào, và nếu không được phát hiện kịp thời, chúng có thể gây ra thiệt hại lớn cho hệ thống điện. Do đó, việc áp dụng các công nghệ mới như mạng neuron vào bảo vệ máy biến áp là một giải pháp hiệu quả. Mạng neuron có khả năng xử lý thông tin nhanh chóng và chính xác, giúp phát hiện các sự cố trong thời gian thực.

2.2 Sự cần thiết của bảo vệ

Bảo vệ máy biến áp không chỉ giúp đảm bảo an toàn cho thiết bị mà còn bảo vệ toàn bộ hệ thống điện. Việc áp dụng mạng neuron trong bảo vệ máy biến áp giúp tăng cường khả năng phát hiện và xử lý sự cố. Mạng neuron có thể học hỏi từ các dữ liệu lịch sử, từ đó cải thiện độ chính xác trong việc phát hiện sự cố. Điều này đặc biệt quan trọng trong bối cảnh hệ thống điện ngày càng phức tạp và yêu cầu cao về độ tin cậy.

III. Ứng dụng mạng neuron mờ trong bảo vệ máy biến áp

Mạng neuron mờ là một trong những công nghệ tiên tiến được áp dụng trong bảo vệ máy biến áp. Công nghệ này cho phép xử lý các tín hiệu không chắc chắn và mơ hồ, từ đó đưa ra các quyết định chính xác hơn trong việc phát hiện sự cố. Mạng neuron mờ có khả năng học hỏi từ các dữ liệu lịch sử, giúp cải thiện độ chính xác trong việc phát hiện sự cố. Việc áp dụng mạng neuron mờ trong bảo vệ máy biến áp không chỉ giúp tăng cường độ tin cậy mà còn giảm thiểu thiệt hại cho hệ thống điện.

3.1 Đặt vấn đề

Việc bảo vệ máy biến áp là một trong những nhiệm vụ quan trọng trong hệ thống điện. Các sự cố có thể xảy ra bất cứ lúc nào, và nếu không được phát hiện kịp thời, chúng có thể gây ra thiệt hại lớn cho hệ thống điện. Do đó, việc áp dụng các công nghệ mới như mạng neuron vào bảo vệ máy biến áp là một giải pháp hiệu quả. Mạng neuron có khả năng xử lý thông tin nhanh chóng và chính xác, giúp phát hiện các sự cố trong thời gian thực.

3.2 Thiết kế mạng neuron mờ

Thiết kế mạng neuron mờ cho việc bảo vệ máy biến áp bao gồm việc xác định cấu trúc mạng, các tham số và thuật toán học. Mạng neuron mờ có khả năng xử lý các tín hiệu không chắc chắn và mơ hồ, từ đó đưa ra các quyết định chính xác hơn trong việc phát hiện sự cố. Việc áp dụng mạng neuron mờ trong bảo vệ máy biến áp không chỉ giúp tăng cường độ tin cậy mà còn giảm thiểu thiệt hại cho hệ thống điện.

Trích đoạn nội dung tài liệu

Ñaïi Hoïc Quoác Gia Tp. Hoà Chí Minh TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA LUAÄN VAÊN THAÏC SÓ ÖÙNG DUÏNG MAÏNG NEURON MÔØ CHO VIEÄC BAÛO VEÄ KHOÁI PHAÀN TÖÛ - BAÛO VEÄ MAÙY BIEÁN AÙP CHUYEÂN NGAØNH HEÄ THOÁNG ÑIEÄN MAÕ SOÁ NGAØNH: Thöïc hieän: Vuõ Ngoïc Vieân Tp. HCM thaùng 9 naêm 2002 COÂNG TRÌNH ÑÖÔÏC HOAØN THAØNH TAÏI TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA ÑAÏI HOÏC QUOÁC GIA TP HOÀ CHÍ MINH Caùn boä höôùng daãn khoa hoïc: TS. Nguyeãn Hoaøng Vieät Caùn boä chaám nhaän xeùt 1: Caùn boä chaám nhaän xeùt 2: Luaän vaên thaïc só ñöôïc baûo veä taïi HOÄI ÑOÀNG CHAÁM BAÛO VEÄ LUAÄN VAÊN THAÏC SÓ TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA , ngaøy thaùng naêm 2002 Lôøi caùm ôn Em xin baøy toû loøng tri aân saâu saéc vôùi thaày Tieán só Nguyeãn Hoaøng Vieät ñaõ höôùng daãn, giaûng daïy em trong suoát quaù trình laøm ñeà taøi naøy.

Em xin chaân thaønh bieát ôn caùc thaày coâ trong Boä moân Heä thoáng ñaõ giuùp ñôõ em ñeå thöïc hieän luaän vaên. Xin chaân thaønh caùm ôn caùc baïn ñoàng moân ñaõ tích cöïc ñoäng vieân em thöïc hieän luaän vaên. Vuõ Ngoïc Vieân Luaän vaên Cao hoïc Thaày höôùng daãn: TS. Nguyeãn Hoaøng Vieät NOÄI DUNG PHAÀN I: MÔÛ ÑAÀU I.

ÑAËT VAÁN ÑEÀ II. MUÏC TIEÂU NHIEÄM VUÏ LUAÄN AÙN III. PHAÏM VI NGUYEÂN CÖÙU PHAÀN II: CHÖÔNG I:- TOÅNG QUAN VEÀ MAÏNG NEURON VAØ ÖÙNG DUÏNG TRONG ÑIEÀU KHIEÅN.1 TOÅNG QUAN.1 Giôùi thieäu chung veà Neural Network 1.2 Lòch söû phaùt trieån 1.3 Maïng neuron nhaân taïo 1.4 Öu nhöôïc ñieåm cuûa maïng neuron nhaân taïo 1.2 CAÁU TRUÙC MAÏNG NEURON 1.1 Phaân loaïi theo caáu truùc a. Maïng caáp thuaän b.

Maïng hoài quy 1.2 Phaân loaïi theo thuaät toaùn a. Hoïc giaùm saùt b. Hoïc khoâng giaùm saùt c. Hoïc taêng cöôøng 1.3 CAÙC LOAÏI MAÏNG NEURON 1.1 Maïng Perceptron nhieàu lôùp 1.4 GIAÛI THUAÄT HOÏC TRONG MAÏNG NEURON Ngaønh Heä Thoáng Ñieän Trang: 1 Hoïc vieân: Vuõ Ngoïc Vieân Luaän vaên Cao hoïc Thaày höôùng daãn: TS.

Nguyeãn Hoaøng Vieät 1.1 Giaûi thuaät hoïc perceptron a. Moâ taû giaûi thuaät b. Phaân loaïi vôùi Perceptron c. Toùm taét giaûi thuaät 1.2 Giaûi thuaät hoïc Delta a.

Moâ taû giaûi thuaät b. Toùm taét giaûi thuaät 1.3 Giaûi thuaät Backpropagation 1.5 ÖÙNG DUÏNG MAÏNG NEURON TRONG HTÑ CHÖÔNG II: LYÙ THUYEÁT LOGIC MÔØ 2.1 SÔ LÖÔÏC VEÀ LOGIC MÔØ 2.1 Quaù trình phaùt trieàn cuûa logic môø 2.2 Cô sôû toaùn hoïc cuûa logic môø 2.3 Logic môø laø logic cuûa con ngöôøi 2.2 CAÙC KHAÙI NIEÄM DUØNG TRONG LOGIC MÔØ 2.1 Haøm phuïï thuoäc 2.2 Bieán ngoân ngöõ 2.3 CAÙC PHEÙP TOAÙN TREÂN TAÄP MÔØ 2.1 Pheùp hôïp hai taäp môø 2.2 Pheùp giao hai taäp môø 2.3 Pheùp buø hai taäp môø 2.4 TÍNH TOAÙN MÔØ 2.2 Suy luaän môø 2.5 HEÄ THOÁNG ÑIEÀU KHIEÅN MÔØ Chöông III: NEURON MÔØ 3.1 SÔ LÖÔÏC VEÀ NEURON MÔØ 3.2 CAÙC LOAÏI MAÏNG NEURON MÔØ 3.1 Heä môø döïa treân maïng neuron 3.2 Maïng neuron döïa treân heä môø Ngaønh Heä Thoáng Ñieän Trang: 2 Hoïc vieân: Vuõ Ngoïc Vieân Luaän vaên Cao hoïc Thaày höôùng daãn: TS. Nguyeãn Hoaøng Vieät 3.3 MÔØ HOAÙ MAÏNG NEURON 3.1 Maïng Perceptron môø 3.2 Maïng boä nhôù phoái hôïp môø 3.4 TOÙM TAÉT PHAÀN IV: CHÖÔNG IV: NGUYEÂN LYÙ BAÛO VEÄ KHOÁI PHAÀN TÖÛ 4.1 ÑAËT VAÁN ÑEÀ 4.2 SÖÏ CAÀN THIEÁT CUÛA BAÛO VEÄ 4.3 NGUYEÂN CÖÙU BAÛO VEÄ KHOÁI PHAÀN TÖÛ 4.1 Baûo veä chính 4.2 Baûo veä döï tröõ CHÖÔNG V: HEÄ SOÁ HOÃN HÔÏP PHAÙT HIEÄN SÖÏ COÁ 5.1 ÑAËT VAÁN ÑEÀ 5.2 NGUYEÂN TAÉC CÔ BAÛN 5.1 Tröôøng hôïp 1 pha 5.2 Tröôøng hôïp 3 pha 5.3 HEÄ SOÁ HOÃN HÔÏP PHAÙT HIEÄN SÖÏ COÁ 5.1 Phaùt hieän söï coá 5.2 Phaân loaïi söï coá vaø choï pha 5.3 Phaân bieät söï coá tröïc tieáp 5.4 CHÖÔNG VI: AÙP DUÏNG MAÏNG NEURON MÔØ CHO VIEÄC BAÛO VEÄ KHOÁI PHAÀN TÖÛ – BAÛO VEÄ MAÙY BIEÁN AÙP 6.1 ÑAËT VAÁN ÑEÀ 6.2 BAÛO VEÄ KHOÁI PHAÀN TÖÛ 6.3 THIEÁT KEÁ MAÏNG NEURON MÔØ 6.1 Moâ hình maïng neuron môø 6.2 Thieát keá heä thoáng môø 6.3 Thieát keá maïng neuron 6.4 MAÏNG NEURON MÔØ CHO VIEÄC BAÛO VEÄ Ngaønh Heä Thoáng Ñieän Trang: 3 Hoïc vieân: Vuõ Ngoïc Vieân Luaän vaên Cao hoïc Thaày höôùng daãn: TS. Nguyeãn Hoaøng Vieät 6.5 LAÄP TRÌNH MOÂ PHOÛNG CHÖÔNG VII: KEÁT LUAÄN 7.2 KEÁT LUAÄN PHUÏ LUÏC Phuï luïc 1: Tính heä soá hoã hôïp & ngaén maïch.

Phuï luïc 2: Phöông phaùp bieán ñoåi Fourier rôøi raïc nhanh (SDFT). Phuï luïc 3: Taäp ñaàu vaøo, ñaàu ra chuaån, ñaàu ra thöïc, boä troïng soá. Phuï luïc 4: Chöông trình Phuï luïc 5: Hình veõ nguyeân lyù baûo veä. Phuï luïc 6: Taøi lieäu tham khaûo.

Ngaønh Heä Thoáng Ñieän Trang: 4 Hoïc vieân: Vuõ Ngoïc Vieân Luaän vaên cao hoïc Thaày höôùng daãn: TS Nguyeãn Hoaøng Vieät. ÑAËT VAÁN ÑEÀ Phöông phaùp baûo veä caùc phaàn töû heä thoáng ñieän kinh ñieån duøng vieäc so saùnh giöõa caùc giaù trò doøng ñieän, ñieän aùp ñeå baûo veä söï coá khi caùc giaù trò naøy thay ñoåi. Chaúng haïn baûo veä quaù doøng duøng I so saùnh vôùi Iñm, hay baûo veä khoaûng caùch duøng U vaø I, coøn vieäc so saùnh giöõa caùc doøng ñieän vôùi nhau ñeå cho baûo veä so leäch. Ngaøy nay, vieäc thu thaäp caùc thoâng ñieän aùp, doøng ñieän, vaø goùc pha ñeå so saùnh vaø ñöa ra söû lyù ñeå nhaän bieát söï coá seõ nhanh choùng.

Ñaëc bieät vôùi söï phaùp trieån caùc heä thoâng minh nhö neuron vaø heä môø ñeå giaûi quyeát baøi toaùn nhaän daïng söï coá trong heä thoáng ñieän seõ deã daøng vaø nhanh choùng hôn. MUÏC TIEÂU VAØ NHIEÄM VUÏ CUÛA LUAÄN AÙN. Muïc tieâu; • Xaây döïng maïng neuron môø trong vieäc baûo veä caùc phaàn töû Heä Thoáng ñieän. • Xaây döïng nguyeân lyù baûo veä khoái phaàn töû.

• Nguyeân cöùu kyõ thuaät ñònh vò söï coá cho baûo veä heä thoáng ñieän • Moâ phoûng vieäc nhaän daïng söï coá cho vieäc baûo veä maùy bieán aùp. Nhieäm vuï: • Nguyeân cöùu maïng neuron vaø vieäc öùng duïng trong ñieàu khieån. • Nguyeân cöùu logic môø vaø vieäc öùng duïng trong ñieàu khieån. • Nguyeân cöùu neuron môø • Xaây döïng baûo veä khoái phaàn töû.

• Xaây döïng nguyeân lyù baûo veä baèng kyõ thuaät ñònh vò söï coá. • Xaây döïng maïng neuron môø trong vieäc baûo veä caùc phaàn töû khoái. • Öùng duïng cho vieäc baûo veä maùy bieán aùp. Cao hoïc Heä Thoáng Ñieän Trang: 5 Thöïc hieän: Vuõ Ngoïc Vieân Luaän vaên cao hoïc Thaày höôùng daãn: TS Nguyeãn Hoaøng Vieät.

Vôùi thôøi gian khoaûng 6 thaùng, muïc tieâu cuûa luaän vaên naøy coá gaéng nguyeân cöùu chung maïng neuron môø vaø xaây döïng maïng neuron môø cho vieäc baûo veä caùc khoái phaàn töû cuï theå laø baûo veä maùy bieán aùp baèng phöông phaùp heä soá hoãh hôïp ñeå coù theå baûo veä chính xaùc vaø nhaän daïng ñuùng söï coá khi xaåy ra. Cao hoïc Heä Thoáng Ñieän Trang: 6 Thöïc hieän: Vuõ Ngoïc Vieân Luaän Vaên Cao Hoïc Thaày höôùng daãn: TS. Nguyeãn Hoaøng Vieät CHÖÔNG I: TOÅNG QUAN VEÀ MAÏNG NEURON VAØ ÖÙNG DUÏNG TRONG ÑIEÀU KHIEÅN 1.1 TOÅNG QUAN: 1.1 GIÔÙI THIEÄU CHUNG VEÀ NEURAL NETWORKS Maïng neurons hoaëc maïng neuron nhaân taïo, hoaëc söû lyù song song laø moät ngaønh kyõ thuaät môùi, xuaát phaùt töø nhieàu ngaønh khoa hoïc töï nhieân khaùc nhau; nhö sinh vaät hoïc, vaät lyù hoïc, taâm lyù hoïc, thaàn kinh hoïc. Kyõ thuaät môùi naøy coá gaéng thi haønh toát baèng söï keát noái caùc phaàn töû tính toaùn vôùi nhau.

Trong nghóa naøy, cô caáu maïng neuron nhaân taïo döïa treân söï hieåu bieát cuûa chuùng ta veà nhöõng heä thoáng thaàn kinh sinh hoïc. Maïng neuron coù nhieàu trieån voïng ñöôïc aùp duïng trong lónh vöïc Heä thoáng ñieän. Ôû ñaây nhôø vaøo ñaëc tính xöû lyù song song neân coù khaû naêng tính toaùn cho caùc vaán ñeà phöùc taïp. Thay vì söû lyù nhöõng leänh trong chöông trình theo nhöõng tuaàn töï tröôùc sau nhö trong maùy tính.

Caùc maïng neuron xöû lyù song song thaäm chí caïnh tranh nhau. Maïng neuron goàm nhieàu phaàn töû tính toaùn (computing units) vaø chuùng ñöôïc keát noái vôùi nhau vaø söï lieân heä ñoù ñöôïc bieåu dieãn bôûi troïng soá cuûa phaàn töû ñoái vôùi caùc phaàn töû khaùc trong maïng. Maïng neuron ñöôïc dieãn taû bôûi cô caáu toå chöùc cuûa maïng. Nhöõng ñaëc tính cuûa töøng nuùt trong maïng vaø nhöõng quy luaät hoïc taäp (training learning rules).

Nhöõng quy luaät hoïc khôûi taïo moät taäp troïng soá ñoàng thôøi chæ caùch bieán ñoåi troïng soá ñeå caûi tieán söï lieân heä cuûa caùc phaàn töû tính vaø qua ñoù taêng hieäu löïc thi haønh cuûa maïng. Nhöõng thu tuïc xaây döïng maïng vaø nhöõng qui luaät hoïc taäp laø nhöõng lónh vöïc nguyeân cöùu hieän nay cuûa lónh vöïc maïng neuron nhaân taïo. Nhöõng lôïi ích cuûa maïng neuron raát to lôùn, ñaëc bieät noù cung caáp ñoä chính xaùc cao ñoàng thôøi noù cuõng chaáp nhaän moät khoaûng loãi sai cho pheùp nhaát ñònh. Vì maïng neuron goàm nhieàu nuùt vaø nhöõng nuùt ñöôïc xöû lyù ñoàng thôøi.

Neáu moät trong vaøi nuùt cuûa maïng bò hö hoûng, maïng vaãn tieáp tuïc vaän haønh ñuùng vaø keát quaû baøi toaùn khoâng aûnh höôûng laø bao. Söï phaùt trieån cuûa caùc coâng trình nghieân cöùu veà tính toaùn theo moâ hình neurons ñaõ nhaän ñònh laø trí oùc con ngöôøi tính toaùn moät caùc khaùc haún vôùi maùy tính thoâng thöôøng. Muïc ñích cuûa söï tính toaùn neuron laø hieåu ñöôïc nhöõng quy luaät duøng laøm cô sôû cho söï hieåu bieát veà nhöõng lôøi giaûi cuûa trí Ngaønh Heä Thoáng Ñieän Trang: 7 Hoïc vieân: Vuõ Ngoïc Vieân Luaän Vaên Cao Hoïc Thaày höôùng daãn: TS. Nguyeãn Hoaøng Vieät oùc trong lónh vöïc nhaän daïng vaø aùp duïng nhöõng quy luaät ñoù vaøo lónh vöïc maùy tính.2 LÒCH SÖÛ PHAÙT TRIEÅN Maïng neuron ñöôïc xem nhö moät moâ hình toaùn hoïc ñôn giaûn cuûa boä naõo con ngöôøi coù chöùc naêng xöû lyù song song.

Traùi vôùi maùy tính hoaït ñoäng döa treân chöông trình do con ngöôøi vieát saün, maïng neuron hoaït ñoäng döïa treân nhöõng gì ñaõ ñöôïc hoïc tröôùc ñoù. Maïng neuron coù theå hoïc caùc keát hôïp môùi, caùc chöùc naêng môùi hay nhaän bieát caùc maãu môùi. Maëc duø maùy tính coù theå laøm nhöõng vieäc hieän taïi vôùi ñoä chính xaùc vaø toác ñoä cao, nhöng maïng neuron höùa heïn moät theá giôùi môùi trong lónh vöïc xöû lyù thoâng tin. Maïng neuron phaùt trieån raát sôùm vaø lòch söû phaùt trieån cuûa noù coù theå toùm taét nhö sau: Giai ñoaïn töø nhöõng naêm 1940 ñeán 1960 coù theå xem laø theá heä thöù nhaát cuûa maïng neuron nhaân taïo: McCulloch vaø Pitts, 1943:bieãu dieãn toaùn hoïc cuûa caùc neuron.

Rosenblatt, 1959: nguyeân lyù maïng neuron moät taàng baét ñaàu töø nhöõng naêm 1950 trong chöông trình Cognitve System research Program ôû ñaïi hoïc Conell. Trong naêm 1957, baùo caùo kyõ thuaät ñöôïc ñöa ra vaø ñònh nghóa Percetron cuûa Rosenblatt. Muïc ñích laø minh hoïa raèng moät maïng thích nghi vôùi nhieàu keát noái vôùi caùc ñôn vò phi tuyeán phaûi moâ phoûng khaû naêng nhaän bieát. Naêm 1963 coù 98 coâng trình veá percetron, maëc duø nhieàu ngöôøi nghó raèng Rosenblatt chæ xem xeùt caùc ñôn vò moät taàng vaø cho ra keát quaû nhò phaân, nhöng ñieàu naøy khoâng ñuùng.