共查询到16条相似文献,搜索用时 218 毫秒
1.
2.
Elman神经网络把隐层输出反馈回输入层,是一种动态递归神经网络,改进的Elman网络能逼近任意动态非线性系统。本文研究了Elman网络的结构和学习算法,并把改进的Elman网络应用于非线性模拟电路故障诊断激励信号参数优化中,以提高故障正确诊断率。首先用改进的Elman神经网络建立故障电路和无故障电路系统模型,然后用遗传算法搜索电路故障诊断的最佳激励信号参数。 相似文献
3.
风力发电机组齿轮箱是用于改变转速和传递动力的部件,易于发生故障的一个装置,且其运行状态对风力发电机的工作性能有很大的影响,故对风力发电机组齿轮箱故障进行诊断有实际意义。Elman神经网络可以降低网络对参数调整的敏感性,有效抑制局部极小值的出现,仿真结果显示,Elman神经网络能识别出风力发电机组齿轮箱故障类型,该诊断方法效果较好。 相似文献
4.
把Elman神经网络和模糊理论相结合,对凝汽器故障进行诊断.用Matlab7.0矩阵式运算语言开发出凝汽器故障诊断系统.在网络训练过程中证实了Elman网络相对前向型网络的优越性.并以系统的诊断实例说明该方法对于运行人员的指导意义. 相似文献
5.
针对传统的传感器故障诊断技术的不足,提出一种基于Elman神经网络的故障诊断方法,建立了Elman网络故障诊断模型,利用小波包分解方法获取用于训练神经网络的特征能量谱,对所建立的模型进行训练。为了检验模型的实际诊断能力,以某动力系统管路流量传感器的4种典型故障诊断为例进行仿真实验,并和标准BP神经网络的诊断结果进行对比。仿真结果表明:基于Elman神经网络的故障诊断速度更快、准确率更高、泛化能力更强,验证了所提出方法的实用性和有效性。 相似文献
6.
7.
利用 Matlab构建 Elman神经网络,并通过电力系统负荷预测世界竞赛提供的数据集来训练 Elman网络,从 而构建电力负荷预测模型,验证 Elman神经网络在电力负荷预测中的可行性和准确性。 相似文献
8.
9.
10.
基于改进Elman网络的最优励磁控制器 总被引:1,自引:0,他引:1
本文在线性最优励磁控制的基础上,将线性最优控制理论与改进Elman神经网络有机结合,设计了一种新型的基于改进Elman网络(Modified Elman Neural Network)的最优励磁控制器.由于Elman网络具有特殊结构层,形成有"记忆"能力的神经网络的特点,并在原有结构上将高斯径向基函数引入Elman网络隐含层,因此可以更好地映射系统的非线性和动态特性.对单机无穷大系统进行仿真研究的结果表明,所设计的控制方式能精确地反映系统动态变化过程并提供良好的电压调节性能. 相似文献
11.
提出了高压电力计量系统网络故障模型.首先,通过对不同负荷下计量系统电路参数的分析,得出网络阻抗与电流互感器一次侧短路之间的密切关系.其次,设计辅助电路用于检测阻抗的变化,从而导出故障检测模型.最后进行了仿真研究,以证明模型对故障检测的有效性. 相似文献
12.
13.
为提高甘肃电网负荷预测精度,提出了一种基于神经网络的负荷预测方法。针对甘肃电力系统负荷数据的非线性和动态特性,在多层前向BP网络中引入特殊关联层,形成有“记忆”能力的Elman神经网络,从而可以映射系统的非线性和动态特性。在网络训练算法中,采用自适应学习速率动量梯度下降反向传播算法,显著提高了网络的训练速率,有效地抑制了网络陷入局部极小点。文中分别采用El-man神经网络与BP神经网络建立模型,对甘肃电网实际历史数据进行仿真预测,经分析比较,证明前者具有收敛速度快、预测精度高的特点。这表明利用Elman回归神经网络建模对甘肃电网负荷进行预测是可行的,能有效提高负荷预测精度,在负荷预测领域有着较好的应用前景。 相似文献
14.
针对高压电能计量装置校验中无法测量整体误差的问题,设计了一套高压电能计量装置现场校验系统。该系统通过在高压侧安装电压互感器和电流互感器,并基于射频同步技术将测量数据发送到低压侧数据接收终端的方法,实现了高压电能计量装置现场校验整体误差的测量。经实际测试,该套高压电能装置现场校验系统能够在不停电条件下对10kV~35kV高压电能计量装置进行整体校验,达到了有效评估装置计量性能、简化校验环节、减轻工作强度、降低校验安全风险、提高工作效率的目的。 相似文献
15.
直流输电系统因自身的优越性能已广泛应用于电力系统。换相失败是直流输电系统中一种常见故障,会导致电流电压发生突变,给直流系统的安全稳定运行带来严重威胁。利用PSCAD/EMTDC平台搭建了永富直流输电系统模型,提出了基于经验模态分解和Elman神经网络相结合(EMD-Elman)的换相失败故障诊断方法。通过大量仿真实验发现使用Elman+样本熵可以有效的进行故障诊断,仅在50组样本的情况下对换相失败故障识别的精确度就可以达到95%以上,证明了该换相失败识别方法的有效性。 相似文献
16.
Detection of the direction of a fault on a transmission line is essential to the proper performance of a power system. It would be desirable to develop a high speed and accurate approach to determine the fault direction for different power system conditions. To classify forward and backward faults on a given line, a neural network's abilities in pattern recognition and classification could be considered as a solution. To demonstrate the applicability of this solution, neural network technique is employed and a novel Elman recurrent network is designed and trained. Details of the design procedure and the results of performance studies with the proposed network are given and analysed in the paper. System simulation studies show that the proposed approach is able to detect the direction of a fault on a transmission line rapidly and correctly. It is suitable to realize a very fast transmission line directional comparison protection scheme 相似文献