谐波对感应式电能表计量影响的分析及控制对策的研究

本文针对谱波对电能表计量误差的影响，在大量实验和理论分析的基础上，建立了一种分析畸变波形下感应式电能表计量误差的数学模型，并应用MATLAB语言编制程序进行了仿真。通过对仿真结果与试验结果的分析，提出了减少谱波对感应式电能表计量误差影响的若干建议．     

感应式电能表温度补偿的研究

分析感应式电能表产生温度附加误差的原因并介绍了感应式电能表温度补偿的几种方法。     

电能计量芯片AT73C500计量误差校正问题探讨

介绍了ATMEL公司的电能计量专用芯片组AT73C500、501在电能计量中计量误差产生的原因,及其校正方法,阐述了校正系数的求取过程,最后给出了套片在实际应用中校正的结果,表明了套片计量误差的校正方法切实可行.     

谐波干扰下共享电源计量装置运行误差预补偿方法

以降低共享电源计量装置运行误差为目的,研究谐波干扰下共享电源计量装置运行误差预补偿方法。划分共享电源计量装置结构,分析谐波干扰下共享电源计量装置的运行误差,同时确定谐波干扰下规范化采样频率时的功率值。构建RBF神经网络补偿装置运行误差,采集谐波干扰下共享电源计量装置运行误差数据,以此为基础调整装置的比例、积分和微分系数,在三个系数彼此约束条件下,在系数非线性组合内获取误差预补偿的最优权值。采用协同量子差分进化算法优化RBF神经网络结构,基于优化的神经网络持续调节权值,完成共享电源计量装置运行误差预补偿。实验结果显示所研究方法可有效计算谐波干扰下研究对象运行误差,并且具备较好的功率误差预补偿效果。     

浅析电力系统中谐波对电能计量的影响

电力系统中存在的大量谐波对电能计量的准确性产生了严重的影响,通过对电能计量中谐波影响因素的分析,不断提高电能计量的准确性。     

一种新的电能计量误差自动补偿装置

本装置采用通用数字信号处理器（ＤＳＰ）ＴＭＳ３２０Ｃ２４０代替单片机,进行电能计量综合误差的实时纠正,降低了信号自理过程中的时间延迟,提高了测量准确度。     

谐波干扰下数字化高压电能计量装置误差预补偿方法

为了降低预补偿计量装置的误差,提升电能计量精度,提出了谐波干扰下数字化高压电能计量装置误差预补偿方法。分析谐波干扰下计量装置的误差,并计算谐波干扰下标准采样频率时的功率值;利用过零检测算法计算实际采样频率,获取实际采样频率时的功率值,标准采样频率时的功率值与实际采样频率时的功率值之差即为预补偿功率值,实现电能计量装置误差预补偿。实验结果表明:该方法可精准计算不同谐波次数时电能计量装置的三相功率误差;该方法补偿后的功率值与功率理论值差距较小,具备较优的功率误差预补偿效果;应用该方法后的计量装置报表数据记录精度更高。     

谐波工况的多功能电能表挂试结果分析

文章论述了谐波对电能计量的影响,介绍了带阻滤波器法和快速傅里叶变换法原理应用于谐波工况下的多功能电能表,对非线性用户进行了挂网试验和数据分析,并对谐波工况下的电能计量问题进行了探讨,呼吁尽快建立谐波电能计量标准和制订技术及商业营运规则。     

一起电能表误差波动原因的分析

描述了机械式电能表和电子式电能表在谐波下的误差表现,确定了电力系统中的谐波是造成误差波动的主要原因,并对如何消除这种影响提出了自己的看法。     

电磁式电流互感器谐波比值误差实验与分析

电磁式电流互感器谐波传变特性复杂多变,传变误差难以估计。设计了铁磁性材料磁滞回线的观测实验,分析了磁滞回线形状对电流互感器谐波传变误差的影响。针对谐波误差检测精度要求高的难点,研制了高精度的电流互感器谐波误差检测系统,并通过实验分析了频率、负载、基波电流、谐波相角、直流分量对电流互感器谐波传变误差的影响。     

基于BP神经网络的压力传感器误差补偿算法研究

采用BP神经网络来建立扩散硅压力传感器的输出输入模型,其网络模型具有三层结构,采用改进型的差分进化算法来优化BP神经网络的权值和阀值,并在MATLAB中进行了仿真。经训练得到补偿后扩散硅压力传感器的输出满量程误差可达到0．035％,结果表明采用基于改进型差分进化算法的BP神经网络建模对提高智能差压传感器的测量准确度具有参考价值。     

基于BP神经网络数控机床热误差建模的研究

热误差是影响数控机床加工的最大误差因素。采用变惯性因子粒子群算法优化BP神经网络的权值和阈值的方法对数控机床进行热误差建模,不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且精度相对较高,可以很好的提高BP网络的学习能力与泛化能力。仿真实验表明,变惯性因子PSOBP优化模型性能优于BP网络和标准PSOBP算法优化模型。     

基于遗传优化的BP神经网络

人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果。     

BP神经网络补偿热变形误差的研究

在精密加工中，由于热变形引起的误差占整个系统误差的40％－60％[1]，这说明对热变形进行深入研究和找出其规律并提出相应的补偿措施是十分必要的。本文是以CK616－1简易数控车床为实验对象，在对其热误差分析的基础上进行热误差建模，并结合改进的BP神经网络给出了具体实现的方法，对提高机床的加工精度有着极其重要的意义。     

基于BP神经网络的磨削温度预测

磨削温度是评价磨削过程的一个重要指标,利用BP神经网络良好的非线性映射功能,以磨削用量(砂轮线速度、工作太速度和磨削深度)为输入,以磨削温度为输出,建立了磨削温度的BP神经网络预测模型。并通过仿真验证了模型的正确性,为磨削温度的预测提供了一个简单可行的方法。     

基于BP神经网络的加工误差动态监测研究

通过研究箱体零件上的孔在数控铣床上的加工过程,采用BP神经网络模型完成了其信息提取和分析,构建了加工误差分析的网络模型,建立了实时工况监测系统,为数控加工工艺过程中加工精度的实时分析研究奠定了基础。     

基于神经网络的基板引脚图像识别软件

根据基板引脚图像的特征，建立了基于人工神经网络中BP算法的网络模型，并利用VC 6．0实现了图像特征提取和BP神经网络的算法，将它们集成在一个基板引脚图像识别软件包内。实验结果表明：该软件不仅可以准确识别基板引脚图像，而且具有较好的人机交互界面，为进一步开发全自动引线键合机控制系统奠定了基础。     

一种基于神经网络的电力谐波检测方法

简要分析了谐波污染现状及谐波检测方法,设计了一种用于有源电力滤波的神经网络的谐波检测器,仿真结果表明,与传统的谐波检测相比,基于该神经网络的谐波检测模块具有更快速、精确的特性。     

基于BP神经网络的齿轮故障诊断

通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。     

基于改进BP网络的指纹分类

利用遗传算法具有的全局随机搜索能力,设计了一个改进的BP学习算法进行网络训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练.利用Visual c++编程测试,结果表明,该系统具有分类速度快、效率高的优点,具有一定的实用性.