一种神经元自适应谐波电流检测方法的数字仿真

基于单个神经元的有源电力滤波器单相电路自适应谐波电流检测方法的性能与一个周期内的采样个数、输入量个数、学习率和惯性系数有关.数字仿真发现:一个周期内的采样个数和学习率对该方法的检测精度和动态响应时间影响较大,它们既不能太大也不能太小,应选择适中;输入量的个数对该方法的检测精度影响较大,而对该方法的动态响应时间影响不大,它越小越好,建议取1;惯性系数对该方法的性能影响很小,建议取0.     

神经网络自适应法的仿真研究

神经网络自适应法是以自适应噪声对消技术为检测原理、采用三层前馈神经网络实现的自适应谐波电流检测方法的简称,具有较强的自适应能力。该方法的检测性能与一个周期内的采样个数N、输入层神经元的数目n1、隐层神经元的数目n2和学习率η都有关。使用MATLAB软件对该方法进行了数字仿真,以了解这些参数对该方法检测性能的影响。仿真发现：N和η都既不能太大,也不能太小,应选择适中;n1和n2都越小越好,故应使n1=n2=1。当n1=n2=1时,神经网络自适应法将得到简化,这将促进该方法在实际工程中的进一步应用。     

直接计算法的本质及其检测性能

为了研究直接计算法这种检测有源电力滤波器谐波电流的检测性能,首先根据非线性负载电流的傅立叶级数表达导出基于离散傅立叶级数的谐波电流检测方法;然后证明直接计算法和基于离散傅立叶级数的谐波电流检测方法的计算公式相同,从而证明直接计算法和基于离散傅立叶级数的谐波电流检测方法在本质上完全一致;最后以直接计算法的本质和非线性负载电流的傅立叶级数表达为依据,阐释了直接计算法检测性能的结果,即:当负载电流在一个周期内的采样个数足够大并且负载电流处于稳定状态时,由直接计算法计算的基波有功电流幅值准确;当负载电流处于变化状态时,由直接计算法计算的基波有功电流幅值能够缓慢平滑跟踪基波有功电流真实幅值;若使用一个周期内的采样数据进行计算,则直接计算法的动态响应时间为1个周期;若使用0.5个周期内的采样数据进行计算,则直接计算法的动态响应时间为0.5个周期。     

一种单相系统参考电流检测改进算法

针对传统的ip-iq参考电流检测方法受低通滤波器（LPF）滤波性能限制,经LPF滤波后的直流有功分量和无功分量中含有严重的二倍频问题,提出一种消除二倍频的改进算法。首先,分析传统型ip-iq参考电流检测方法的原理,受LPF滤波性能的限制,影响了无功电流、谐波电流的检测精度;其次,分析改进型ip-iq参考电流检测方法的原理,通过构造一个滞后负载电流90°的电流信号,经数学推导计算可完全消除该二倍频,有效抑制了谐波检测误差,同时分析了LPF不同的截止频率对检测精度和响应时间的影响;最后,通过Simulink仿真验证了改进算法可有效提高电流检测精度和动态响应能力。     

一种基于最速下降算法的基波提取自适应滤波器

提出了一种基于最速下降算法的单相基波提取自适应滤波方法。对该自适应滤波器原理及设计方法进行了说明,给出基波信号各参数表达式,通过大量的Matlab仿真,着重对该系统在电压畸变情况下的基波撮取性能进行考查,同时分析了其检测精度与动态响应的关系、初始值的设置对检测效果的影响,结果表明,该自适应滤波器构成一个稳定的多参数(幅值、频率、相位)反馈控制回路,可较准确地提取单相信号的基波分量,实时性好,且具有良好的鲁棒性和抗干扰能力。     

自适应谐波电流检测算法

自适应法是以自适应噪声对消技术为检测原理,采用硬件电路实现的自适应谐波电流检测方法的简称,它具有强的自适应能力.自适应法尚无对应的数字化算法,针对此问题,根据自适应法的检测电路,得到了自适应法对应的数字化算法即自适应谐波电流检测算法.为了验证该算法的有效性,对其进行了数字仿真和实验.仿真揭示了一个周期内的采样个数和自适...     

基于周期信号滤波器的快速电流检测方法研究

针对传统谐波电流检测方法受低通滤波器影响动态响应慢的问题,提出采用基于周期信号滤波器和低通滤波器的组合型滤波器,在不影响电流检测精度的前提下,大幅度提升了动态性能。通过MATLAB/Simulink仿真对所提方法进行验证,动态响应时间仅为传统方法的1/3,充分验证了所提方法的正确性和有效性。     

负载电流检测型有源滤波器新的控制策略

为了解决目前常见的有源滤波嚣在高放大倍数时稳定性差或者只能补偿谐波不能补偿无功的情况的问题。通过对目前常见的控制方法的研究,提出了一种新的基于负载谐波电流检测,把逆变器控制成受控电压源的控制策略,在补偿谐波的同时对无功电流进行补偿。将该控制筑略搭建成Matlab模型进行仿真,仿真结果表明该控制策略具有较好的滤波效果和动态无功补偿能力。依据该控制策略研制了一台容量为10 kVA的三相三线制并联型有源滤波器样机,在现实应用最广泛的不控整流带阻感负载工况下进行试验。实验数据显示谐波补偿率在90%以上,且在负载突变时动态响应时间在一个基波周期以内。体现了该控制策略的优越性。     

神经网络法与直接计算法在APF谐波电流检测中的应用比较

神经网络法和直接计算法是检测原理相同的2种有源电力滤波器谐波电流检测方法.首先,对这2种方法的复杂性、计算量、检测精度和实时性进行了比较,结果表明直接计算法在这些方面都明显地优于神经网络法.然后,对负载电流突然增加、线性增加、按指数规律减小和含有尖峰干扰时的4种情况进行了仿真比较,比较表明:当神经网络法的误差非常小时,2种方法计算出的基波有功电流幅值的仿真波形完全相同(即2种方法的静态与动态特性完全相同),这是因为它们的检测原理完全相同,神经网络法的自学习和自适应功能无从体现.对于神经网络法,负载电流的幅值和负载电流在1个周期内的采样个数都不能取得很大,否则指数函数的计算结果将发生溢出,而直接计算法则不会出现这种情况;神经网络法需要设定初值,而直接计算法不需要设定初值.     

霍尔传感器电机测速综合改进技术研究

研究了一种基于霍尔传感器的位置及转速估算改进技术。针对传统霍尔传感器测速方案在不同转速下的测量结果存在较大误差的问题,综合了2种传统算法的优点,在不同的速度区间内采用不同的采样周期,使用动态更新采样周期的方式,有效地平衡了电机在不同转速下对于实时性和采样精度的要求。实验结果与理论分析均表明,相较于传统算法,位置及转速估算改进技术对采样精度和系统动态性能上均有较大提高。     

一种构造直接计算法参考正弦信号的简单方法

直接计算法是一种性能优良的有源电力滤波器谐波电流实时计算方法.直接计算法的参考信号常常发生畸变,而参考信号畸变对直接计算法的计算精度影响很大.针对这一问题,提出了一种构造参考正弦信号的简单方法并证明了该方法的正确性.采用该方法构造任意一个与参考信号同频率的正弦信号,用构造的正弦信号代替参考信号,可以消除参考信号畸变导致的计算误差.     

一种新的基于瞬时无功功率理论的谐波电流检测算法

有源电力滤波器如果要同时补偿谐波及无功电流,能精确检测基波有功电流极为重要.针对传统ip-iq算法在三相电压不对称时,基波有功电流和无功电流的检测存在误差,提出了一种新的谐波电流检测算法,用α相正序基波电压eα来代替传统ip-iq算法中的锁相环单元,并对这两种算法进行仿真研究,结果表明在三相电压不对称时,仍能精确、快速、实时地检测基波有功和无功电流,值得应用推广.     

基于二阶串联谐振滤波器的基波电流检测方法

分析了谐振滤波器的电路模型,即RLC串联电路的检测性能.将畸变的电流转换为电压并将该电压信号作为RLC串联电路(其谐振频率为电流的基波频率)的输入信号,则在电容C上将获得放大的基波电压信号以及被有效抑制的谐波分量.从而实现对基波电流的检测.分析了电路品质因数D对RLC串联电路检测性能的影响,推导了检测电路的传递函数,并设计了相应的二阶串联谐振数字滤波器.该方法具有实现简单、运算量小等优点,适用于三相及单相电路有源电力滤波器(APF)的基波电流检测,以及动态电压恢复器中基波电压的检测.仿真及实验结果验证了所提方法的有效性.     

一种基于补偿电流的单相电路谐波电流检测算法

针对电网中谐波的危害和"污染"等问题,为了实现有源电力滤波器控制系统谐波电流检测的精确性、实时性,本文提出了一种单相电路谐波电流检测算法,该算法基于补偿电流最小检测原理,通过构造函数将谐波电流检测问题合理地转化为基波有功电流幅值问题,实验表明,新算法具有实时性好、计算量小、易于实现等优点。基于此算法的有源电力滤波器具有较好的动态响应性能,能实现有效的谐波电流补偿,仿真结果验证了该算法的有效性和正确性。     

三相四线制下串联混合型滤波器的研究

提出一种应用于三相四线制的串联混合型滤波器结构及相应的基波电流控制策略,无需对谐波进行检测,且可使有源滤波器对各次谐波电流呈较大的阻抗,而对流过的基波电流无影响。同时设计了负反馈控制电路,解决了系统的稳定性问题。阐述了串联混合型滤波器的滤波原理与控制方法。应用MATLAB软件对三相四线制电力系统进行了仿真研究,结果表明所提出的控制策略是正确的。整套装置具有结构简单、检测方便、滤波效果好、系统稳定的优点。     

一种改进的单相电路谐波与无功电流检测方法

针对低通滤波器对谐波检测延时影响较大的问题,提出了一种改进的单相电路谐波与无功电流检测方法,用1个基波周期内的数字积分代替低通滤波器,每个采样点处只需进行数次简单运算即可准确检测出谐波与无功电流,检测延时固定为1个基波周期。针对电力系统谐波大多数为奇次谐波的特点,对算法进一步改进,将积分时间减少一半,运算量不变而检测延时变为半个基波周期。该方法计算量小、延时短、易于实现。仿真结果验证了方法的有效性。     

基于主动学习和最优路径森林的 管道故障分类识别方法

在工业故障分类过程中有标记样本数量少而人工标注成本高会导致分类器精度难以提高,而大量包含丰富信息的无 标记样本却没有得到充分利用。 针对上述问题,提出了一种结合主动学习(AL)和最优路径森林算法(OPF)的半监督故障分类 模型(AL-OPF)。 该方法首先利用 BvSB 和余弦相似度准则综合衡量样本的价值量,以排序批处理模式筛选价值高的样本,并 获取其标签扩充初始标记样本集,然后通过构建最优路径森林实现半监督标签传播,最后在实验室采集得到的管道故障样本集 上进行实验验证。 实验结果表明,该方法能在有标签样本为 10%的情况下达到 96. 68%的整体识别准确率,与逐个采样模式的 主动学习方法以及基于距离度量提取训练样本全局结构信息的半监督方法相比,所提出方法拥有更高的 Recall 值和 F1- score 值 关键词: 。     

基于神经批采样的轮胎X光图像异常检测研究

轮胎缺陷检测对轮胎定级有重要参考意义，研究高性能的轮胎异常检测方法尤为重要。本文以强化学习算法为基础，提出一个以损失值异常变化作为判断异常特征的图像自动分类算法。该方法首先通过大量的正向样本输入来降低数据在经过梯度更新之后的损失值，从而与少量异常样本输入时的损失值形成明显差异，再引入神经批采样器，放大异常样本与正向样本之间的损失轮廓差异并为空间变分编码器提供训练批次，然后将训练结果作为异常分类器的输入，最后完成异常检测的分类与定位工作，经过对比研究发现本文提出的异常检测算法在轮胎缺陷样本集上性能明显优于其他传统图像异常检测方法。