Elman神经网络的板形模式识别方法

针对静态网络设计和识别时间模式的能力弱、泛化能力差、学习速度慢等缺点,建立了一个基于Elman神经网络的板形模式识别系统.该系统由于考虑到了神经网络的过学习或过拟合问题,且通过经验公式和对比实验来确定神经网络的隐层节点数,具有简单、有效的优点.系统通过对6种基本板形模式及其组合模式的学习,具有了一定的泛化能力.经仿真验证,实际输出的误差均小于0.1,识别效果良好,可以证明基于Elman动态网络的系统,其板形识别能力要强于BP网络构成的系统.     

预防性安全约束最优潮流的主导故障过滤技术

运用适当的故障过滤方法筛选有效的预想故障,可以提高预防性的静态安全约束最优潮流的计算效率。提出一种新的应用于预防性静态安全约束最优潮流的故障过滤方法,该方法根据故障引起的约束条件越限的程度,将故障区分为主导故障和非主导故障两类。迭代过程中,只将主导故障引入到安全约束最优潮流中计算,经过几次迭代即可求出结果。在IEEE-4、IEEE-14和IEEE-30节点系统上测试本文过滤技术,测试结果表明:应用主导故障过滤技术减小了每次计算的安全约束最优潮流的规模,有效的提高了预防性静态安全约束最优潮流的计算效率。     

便携式瓦斯浓度检测系统的设计

针对目前大多数瓦斯浓度检测仪存在的体积相对较大、安装过于复杂、使用不便等缺点,设计了一套便携式瓦斯浓度检测系统。对这一检测系统的组成、硬件电路与软件进行了介绍。这一系统可以实现对瓦斯浓度的精确检测,能够根据瓦斯浓度情况发出声光报警,并通过发光二极管显示装置进行显示,同时还具有时钟与温度显示功能。