基于OT-Burg和改进Adaline神经网络的电力系统间谐波分析

在电力系统间谐波分析中,当间谐波频率与基波整数倍频率非常接近时,传统分析方法由于谱峰偏移和谱线泄漏往往分离不出此类间谐波。提出了将最佳收敛伯格窗（OT-Burg）与改进Adaline神经网络结合的间谐波分析方法,以提高此类间谐波的分析精度。Matlab仿真结果表明,OT-Burg算法频率分辨率高、检测准确、收敛快,与改进Adaline神经网络结合具有更精确的电力系统间谐波分析能力。     

Matlab语言在供电系统谐波分析中的应用

对电流和电压信号进行谐波分析,确定谐波的严重程度和特征是防范和治理高次谐波的第一步。据此研究了应用Matlab软件中的快速傅里叶变换来求取供电系统电流电压信号的谐波幅值和相位的方法,并编成子程序,应用该子程序可迅速方便地求取供电系统的谐波。     

基于谐波分析的磁弹拉力测量改进方法研究

基于磁弹检测机理,提出一种磁弹拉力测量改进方法,即将谐波分析法应用于磁弹信号处理,通过统计信号频域各阶次谐波幅值,引入电气工程中表征波形相对正弦波畸变程度性能参数——总谐波畸变率来表征结构拉力。采用双套筒线圈式磁弹传感器在7芯钢绞线中获取磁弹检测试验信号,对比时域与谐波分析两种处理方法的特点,结果表明,谐波分析法处理过程更为简洁,所确立的标定方程的特性参数(线性拟合方程确定系数、斜率)随统计阶次增加而趋于稳定,且均优于时域处理结果,线性拟合方程确定系数可达0.996以上。同时,应用于高压输电导线的拉力测试,结果再次验证了总谐波畸变率与拉力间的良好线性关系。针对两种试验对象,当总谐波畸变率为1时,不同谐波统计阶次对应的标定方程对拉力的估算值间的相对误差均小于3%(其中7芯钢绞线最大为2.4%,高压输电线最大为2.9%)。该方法为磁弹拉力测量提供了一种新的表征及数据处理手段。     

基于AVMD与改进能量算子的非稳态谐波分析

针对非稳态谐波分析中时频参数检测精度较低的问题,提出一种基于自适应变分模态分解(AVMD)与改进能量算子的非稳态电力谐波分析方法。首先,采用AVMD对非稳态谐波信号进行分解,其中采用波形特征匹配法对非稳态谐波信号进行延拓以减轻边界效应影响,并提出能量差和相关系数作为AVMD中模态分解个数的判据;结合模态分量,提出改进间隔采样能量算子快速提取谐波的瞬时幅值和频率,根据差分和信号完成其起止时刻的定位,实现非稳态谐波时频参数的快速准确测量。仿真与实测结果表明,本文方法能够在电网工频波动、间谐波以及噪声干扰等情况下有效完成非稳态谐波的准确检测,实现暂态谐波的精确定位,且对非稳态谐波频率、幅值的最大检测误差分别为0.094 9%和0.931 4%。     

基于准同步DFT的非整数谐波分析算法

在准同步DFT谐波分析算法的基础上,提出了一种基于非整数波概念的谐波分析算法。该算法的核心思想是:信号频率漂移导致频谱峰值出现的位置与理想位置不一致是短范围泄漏产生的根本原因,而信号频率的漂移可以通过测量相邻点基波相角差来获得,那么应用该漂移值对基波和高次谐波的波次值进行非整数修正就可以准确测量各次谐波的幅值和相角。仿真实验和工程实例证明,该算法能够有效抑制频谱的长范围泄漏和短范围泄漏,提高基波与高次谐波的幅值与相位测量准确度。     

基于Kaiser窗双谱线插值FFT的谐波分析方法

为进一步减少加窗插值FFT的频谱泄漏和栅栏效应,提出了基于Kaiser窗的双谱线插值FFT的电力谐波分析方法,运用多项式拟合求出了实用的插值修正算式,推导了信号基波与各次谐波频率、幅值、初相角的计算式。仿真结果表明,Kaiser窗函数设计实现灵活、抑制频谱泄漏效果好,基于Kaiser窗的双谱线插值FFT方法能有效克服基波频率波动与白噪声对谐波分析的影响,在非整数周期截断条件下,对含21次谐波信号的频率计算相对误差仅为1.4×10%,幅值计算相对误差≤0.002%,初相位计算相对误差≤0.0001%,三相谐波电能计量应用实践证明了该方法的正确性。     

基于Kaiser窗相位差校正的电力谐波分析与应用

采用基本窗函数和广义余弦窗函数对信号加权可减少频谱泄漏和栅栏效应的影响,但其效果受到窗函数固定旁瓣性能的制约.Kaiser窗可定义一组可调的窗函数,自由选择主瓣与旁瓣衰减之间的比重,因此能全面地反映主瓣与旁瓣衰减之间的交换关系.对信号非同步采样和非整周期截断时的频谱进行了分析,讨论了Kaiser窗的主、旁瓣特性,提出了基于Kaiser窗相位差校正的电力谐波分析方法,推导了信号基波与各次谐波频率、幅值、初相角的计算式.仿真结果表明:Kaiser窗函数设计实现灵活、抑制频谱泄漏效果好,Kaiser窗相位差校正算法克服了基波频率波动对谐波分析的影响,对含21次谐波信号的基波频率计算相对误差仅为1.0×10-7%,幅值计算相对误差≤0.000 6%,初相位计算相对误差≤0.008%,三相谐波分析与谐波电能计量应用实践证明了该方法的正确性.     

谐波存在时的改进电能计量方法及应用

为减少谐波存在时的电能计量误差,本文提出一种基于三角自卷积窗的改进谐波电能频域计量算法.首先,采用三角自卷积窗对电压、电流信号进行加权处理,以抑制频谱泄漏和谐波间相互干扰;其次,运用插值FFT算法从频域实现电压、电流信号参数(频率、幅值和相位)的高精度估计值;最后,根据Budeanu给出的谐波电能定义,结合电压、电流信号参数实现谐波电能计量.非同步采样情况下,分别采用典型余弦组合窗(Hanning窗、Blackman-Harris窗与Rife-Vincent窗)和4阶三角自卷积窗进行谐波电能计量的仿真实验结果表明:采用三角自卷积窗函数可克服白噪声和基波频率波动影响,提高了谐波电能计量准确度.本文算法在三相多功能谐波电能表中的应用证明了其有效性和准确性.     

一种多频率同步信号激励电流源设计

生物电阻抗频谱(BIS)多频率同步快速测量系统中的激励电流源必须满足频谱宽、谱能量均衡、相位同步、输出阻抗高等特殊要求.基于Walsh函数设计了一种周期、二值的九频率同步信号f(9,t),它在1、2、4、8、16、32、64、128和256次等9个主谐波上相位同步,能量分布均衡,功率总和占到了平均总功率的65.52％.介绍了f(9,t)的FPGA实现方法和电压控制电流源(VCCS)驱动电路设计.负载实验表明,VCCS的负载电压理论仿真波形与实测波形高度一致,且具有较高的输出阻抗.确立了一种比较理想的多频率同步激励电流源,为BIS的多频率同步快速测量奠定基础.     

基于ANFIS的电力系统谐波分析算法

选用电力系统的谐波测量数据,给出了该算法谐波分析的仿真结果,并与傅立叶算法和改进的神经网络算法的计算结果进行了比较,还选用电力系统的高次谐波信号数据,并给出了高次谐波分析仿真结果,表明该算法在处理高次谐波信号方面具有较好的应用前景。     

基于Kohonen网络的柴油机噪声故障分析系统

介绍了利用 Ａｄａｌｉｎｅ 自适应单元进行去除噪声干扰来达到对柴油机工作时的异常声响分析的方法。通过自组织人工映照神经网络模型对其故障诊断给出了一种分析模型,并与常规的 Ｂ Ｐ网络相比较,得出其具有自学习功能,运算速度快,类型识别能力强的优点。     

GENERALISED TRANSFER FUNCTIONS OF NEURAL NETWORKS

When artificial neural networks are used to model non-linear dynamical systems, the system structure which can be extremely useful for analysis and design, is buried within the network architecture. In this paper, explicit expressions for the frequency response or generalised transfer functions of both feedforward and recurrent neural networks are derived in terms of the network weights. The derivation of the algorithm is established on the basis of the Taylor series expansion of the activation functions used in a particular neural network. This leads to a representation which is equivalent to the non-linear recursive polynomial model and enables the derivation of the transfer functions to be based on the harmonic expansion method. By mapping the neural network into the frequency domain information about the structure of the underlying non-linear system can be recovered. Numerical examples are included to demonstrate the application of the new algorithm. These examples show that the frequency response functions appear to be highly sensitive to the network topology and training, and that the time domain properties fail to reveal deficiencies in the trained network structure.     

非平稳时间序列自适应线性神经网络在线预测

研究了应用自适应线性元件（Adaline）神经网络解决非平稳时间序列在线预测问题的可行性，提出根据自回归模型定阶方法来确定Adaline预测模型中的输入神经元数目，并分析了自适应学习率对预测性能的影响，仿真结果表明，Adaline在线预测非平稳时间序列的工作性能良好。     

ADAPTIVE HARMONIC CANCELLATION APPLIED IN ELECTRO-HYDRAULIC SERVO SYSTEM WITH ANN

The method for harmonic cancellation based on artificial neural network (ANN) is proposed. The task is accomplished by generating reference signal with frequency that should be eliminated from the output. The reference input is weighted by the ANN in such a way that it closely matches the harmonic. The weighted reference signal is added to the fundamental signal such that the output harmonic is cancelled leaving the desired signal alone. The weights of ANN are adjusted by output harmonic, which is isolated by a bandpass filter. The above concept is used as a basis for the development of adaptive harmonic cancellation (AHC) algorithm. Simulation results performed with a hydraulic system demonstrate the efficiency and validity of the proposed AHC control scheme.     

基于遗传算法和BP神经网络的花盘结构优化设计

综合利用有限元法、正交试验法、BP神经网络以及遗传算法对大重型数控转台的花盘结构系统进行优化研究。首先对花盘结构系统进行谐响应动力学分析,找出对结构动态特性影响最大的模态频率,并确定BP神经网络的输入变量,然后利用正交试验法和有限元分析法确定出BP神经网络样本点数据,建立反映花盘结构特性的BP神经网络模型,最后利用遗传算法对建立的BP神经网络优化。仿真结果表明,花盘第一阶固有频率提高15.5%,其自重降低9.8%。     

神经网络结构与算法对变压器故障诊断的影响

BP神经网络算法本质上是基于梯度下降的一种迭代学习算法,存在学习收敛速度慢、收敛精度低、易陷入局部极小、学习率难以选取、隐层数及隐层神经元个数难以确定等缺陷。为了选择出更适宜变压器DGA故障诊断的神经网络结构及算法。本文采用了常用的几种智能算法对变压器故障样本进行了诊断性能对比实验。结果得出Levenberg-Marquardt神经网络算法是收敛速度较快的算法,有动量和自适应的梯度下降法是收敛稳定性较佳的算法;网络最优结构设计过程。为用于变压器DGA故障诊断的神经网络的结构和算法提供了系统化的试验方法。     

基于神经网络的动力学反解算法及其应用研究

论述了使用神经网络求解结构动力学反问题的基本原理和方法,并针对BP网络在使用中存在的主要问题,提出了网络快速学习算法,以及训练样本正交化处理方法和反解结果精度的自适应修正等一系列解决方法。应用上述理论进行了设备动态诊断的数值仿真和试验研究,结果令人满意。     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

压铸成型工艺设计与缺陷分析的神经网络模拟

对于误差逆传播 (BP)神经网络标准及改进型算法中的神经元联接权更新机制进行了分析。作为实际应用 ,基于MATLAB神经网络工具箱函数 ,研究了两个例子 ,一个是不同合金种类及不同复杂程度的型腔结构下浇注温度的选择 ;另一个是压铸工艺的缺陷分析。采用的算法分别为恒定学习率 附加动量项改进型BP算法和自适应学习率 附加动量项改进型BP算法。通过在实际模拟中比较这两种算法的训练效率 ,可得到结论 :自适应学习率 附加动量项算法是精确模拟压铸工艺映射问题的较为理想的方法。基于这一方法 ,文中最后给出了网络模拟测试的结果