共查询到20条相似文献,搜索用时 0 毫秒
1.
通过分析高压综合保护器的选择性漏电保护中影响零序电压和零序电流相位关系的各种因素,提出了正确处理移相问题的具体方法,这对于提高煤矿综合继电保护器的性能,具有一定的实际意义 相似文献
2.
3.
自然直流选择性漏电保护的研究 总被引:4,自引:0,他引:4
分析现有井下漏电保护原理存在的不足,以目前直流选择性漏电保护研究[1]为基础,以中性点不接地的两分支电网为例分析了单相漏电情况下自然直流选择性漏电保护原理,并论证了可行性。 相似文献
4.
5.
零序直流选择性漏电保护系统的单片机实现 总被引:1,自引:0,他引:1
本文以两分支电网为例,分析了零序直流选择性漏电保护原理及其保护判据特性。介绍了以单片机为核心的零序直流选择性漏电保护原理的实现。 相似文献
6.
吴克文 《电子制作.电脑维护与应用》2013,(16)
本系统以TI公司MSP430单片机作为系统控制模块,由脉宽幅度调整电路、直流稳压电源模块、漏电保护模块、A/D采样模块和液晶显示模块等组成,制作了一个功率测量与显示电路,实时显示稳压电源的输出功率,同时形成了一个动作为30mA的漏电保护装置。该装置使用前级制作的直流稳压电源供电,设计出的装置输出的直流稳压电源很稳定,漏电保护装置准确度高,能较好的完成电赛题目所需的要求。 相似文献
7.
针对煤矿井下电网选择性漏电保护动作的可靠性问题,提出了一种采用脉冲展宽实现零序电流方向选择性漏电保护的硬件电路。在网压660 V实验台上的实验和TEK DPO2014示波器的波形表明,提出的电路正确、可靠。采用该电路实现的漏电保护装置在煤矿井下取得了成功应用。 相似文献
8.
9.
一种选择性神经网络集成构造方法 总被引:19,自引:2,他引:17
提出了一种选择性神经网络集成构造方法,在训练出个体神经网络之后,使用遗传算法部分网络来组成神经网络集成。理论分析和实验结果表明,与传统的使用所有体网络的方法相比,该方法能够取得更好的效果。 相似文献
10.
11.
12.
通过选择性集成可以获得比单个学习器和全部集成学习更好的学习效果,可以显著地提高学习系统的泛化性能。文中提出一种多层次选择性集成学习算法,即在基分类器中通过多次按权重进行部分选择,形成多个集成分类器,对形成的集成分类器进行再集成,最后通过对个集成分类器多数投票的方式决定算法的输出。针对决策树与神经网络模型在20个标准数据集对集成学习算法Ada—ens进行了实验研究,试验证明基于数据的集成学习算法的性能优于基于特征集的集成学习算法的性能,有更好的分类准确率和泛化性能。 相似文献
13.
矿井低压电网零序直流选择性漏电保护原理的研究及实现 总被引:2,自引:1,他引:1
通过对矿井低压零序直流电网模型的理论分析,文章提出了一种新的零序直流选择性漏电保护的故障选线方案,并依据该方案,设计出以MSP430单片机为核心的选线装置。该选线装置具有性能高、价位低、运行可靠、易于维护等特点。 相似文献
14.
15.
16.
17.
选择性集成学习算法综述 总被引:39,自引:0,他引:39
集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高集成学习机的预测速度,并降低其存储需求.该文对现有的选择性集成学习算法进行了详细综述,按照算法采用的... 相似文献
18.
KXL-Ⅰ型低压选择性漏电保护装置的应用宗勇(兖州矿务局机电处)煤矿井下供电中,低压供电系统各种电器设备日趋增多,且因深人采区与掘进工作面,工况恶劣,易发生各种电器事故,因此完善低压供电的保护系统是保证井下安全供电的重要措施。目前井下广泛应用的JY8... 相似文献
19.
选择性集成学习是为解决同一个问题而训练多个基分类器,并依据某种规则选取部分基分类器的结果进行整合的学习算法。通过选择性集成可以获得比单个学习器和全部集成学习更好的学习效果,可以显著地提高学习系统的泛化性能。提出了一种多层次选择性集成学习算法Ada_ens。试验结果表明,Ada_ens具有更好的学习效果和泛化性能。 相似文献
20.
《计算机应用与软件》2016,(9)
极限学习机ELM(Extreme Learning Machine)具有训练过程极为快速的优点,但在实际分类应用中ELM分类器的分类精度和稳定性有时并不能满足要求。针对这一问题,在ELM用于分类时引入一种训练结果信息量评价指标来改进输出权值矩阵的求解方法,并增加隐层输出矩阵竞争机制来提高ELM的稳定性。为了进一步提高ELM的分类正确率,借鉴神经网络集成的理论,提出一种选择性集成ELM分类器。在集成方法中采用改进Bagging法并提出一种基于网络参数向量的相似度评价方法和选择性集成策略。最后通过UCI数据测试表明,同Bagging法和传统的全集成法相比,该方法拥有更为优秀的分类性能。 相似文献