排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法 总被引:1,自引:0,他引:1
基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法:首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。 相似文献
2.
椭圆偏振光谱法是一种非破坏性光谱技术。为了获得微波等离子体化学汽相沉积(MPCVD)金刚石薄膜的最佳沉积条件,用红外
椭圆偏振光谱仪对MPCVD金刚石薄膜的红外光学性能进行了表征测量,并分析了衬底温度和反应室的压强对金刚石
薄膜的红外光学性质的影响。当甲烷浓度不变,衬底温度为750℃,反应室的压强为4.0kPa时,金刚石膜的红外椭偏光学性质达到最
佳,其折射率的平均值为2.393。研究结果表明,金刚石薄膜的光学性能与薄膜质量密切相关,同时也获得了最佳的金刚石薄膜工艺
条件。 相似文献
3.
4.
基于多小波包和人工神经网络的电力系统故障类型识别 总被引:2,自引:0,他引:2
采用PSCAD/EMTDC仿真500 kV高压输电线路不同工况下的故障.先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,当输电线路发生故障时,将提取的故障电流信号的多小波包能量特征向量输入训练好的BP神经网络,即可实现故障类型的识别.仿真结果表明采用多小波包提取的故障电流特征量比采用传统小渡包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势. 相似文献
5.
6.
一种改善HHT端点效应的新方法及其在电能质量中的应用 总被引:2,自引:2,他引:0
利用Hilberr-Huang变换(HHT)方法进行电能质量检测分析,可以得到准确的瞬时频率和瞬时幅值,但该方法在应用中存在严重的端点效应,会影响分析结果。为了改善其端点效应问题,提出了一种基于人工神经网络和镜像延拓相结合的新方法对短时间序列进行延拓。采用三层BP神经网络对信号两端进行延拓,用带镜像延拓程序的经验模态分解(EMD)方法对延拓后的信号进行边分解边延拓,得到具有原始信号长度的固有模态函数(IMF);为了改善Hilbert变换中的端点效应,再次利用BP神经网络对各个IMF分量进行延拓。最后对延拓后的IMF分量进行Hilbert变换,从而得到精确的瞬时频率和瞬时幅值。将其应用到电力系统的谐波分析中,取得了较好效果。 相似文献
7.
8.
9.
10.
1