基于线性神经网络的谐波检测技术研究

文章通过比较谐波检测的相关技术的优缺点后提出了基于线性神经网络的谐波检测技术,构造了谐波检测的网络构架,并介绍了谐波检测的原理。着重的对应用LMS算法调整网络的权值给予分析。最后构造含有奇次谐波的负载电流函数,利用MATLAB软件分别运用加汉宁窗的FFT算法和本文构造的线性神经网络方法进行仿真实验,针对在无噪和有噪的环境下的实验结果表明,基于线性神经网络方法的谐波检测技术具有更好的检测精度。     

基于线性神经网络的谐波检测方法研究

在比较了当今多种谐波检测方法的优缺点基础上,提出了基于线性神经网络的谐波检测方法。构造了谐波检测的网络模型,对利用该方法进行谐波检测的原理做了简单的介绍。文中运用最小均方差算法(LMS)调节网络权值W,使得误差指标达到最小值。最后构造含有奇次谐波的负载电流函数,利用MATLAB软件分别运用加汉宁窗的快速傅里叶变换(FFT)方法和构造的自适应线性神经网络方法进行仿真实验。通过实验结果表明,基于自适应线性神经网络方法的谐波检测技术具有更好的检测精度。     

基于优化神经网络的电网谐波检测方法

为了检测电力系统中的谐波,本文提出了一种基于优化神经网络的电网谐波测量方法.该方法应用一个结构和训练算法都优化了的多层前馈神经网络(MLFNN)对电网中的谐波进行检测,即首先考虑到神经网络的权值记忆负担主要来自谐波幅值和相角的变化,因此先对相角进行确定;再用基于神经网络理论方法对幅值进行检测,并使每一个输出神经元都对应于自己的隐层;然后利用多层前馈神经网络对当前及上一时刻的采样值进行分析,实现了对电网谐波的检测.实验仿真结果证明了该方法的有效性.     

城市轨道交通供电系统电力谐波的分析与治理

分析了谐波在城市轨道交通供电系统中生成的原因,提出了一种基于神经网络的谐波检测方法.结合神经网络谐波检测方法,提出了一种基于波形补偿的新型谐波抑制器,经过试验验证,新型谐波抑制器对供电系统的谐波具有良好的抑制作用.     

基于神经网络的电力谐波检测方法

非线性用电负载产生的大量谐波对输入电网造成极大危害,已有的传统检测方法由于自身技术的限制,难以满足目前谐波检测对精确性的要求。针对电力谐波表现形式,分析神经网络结构和计算算法,提出一种结合神经网络的谐波检测方法,并与快速傅里叶加Hanning窗函数双谱线插值方法进行试验数据对比,验证了该方法的有效性,有效提高了电力谐波的检测精度。     

分次谐波的一种精确检测方法

本文将Hopfield神经网络理论引入分次谐波的检测之中,推导分次谐波检测模型,并对神经网络模型中的积分参数设置方法进行了讨论。仿真结果表明该方法能够精确检测分次谐波,系统的动态特性只与积分参数的设置有关。     

神经网络理论在自适应谐波和无功电流检测中的应用

谐波和无功电流的实时检测是有源电力滤波系统中一个非常重要的环节。应用神经网络理论能够解决谐波和无功电流检测的精度和实时性问题,本提出了一种基于神经网络的自适应谐波和无功电流的检测方法,分析了这种方法的检测原理,同时给出了其具体实现。仿真结果证明了该方法的有效性。     

一种基于多层前向神经网络的谐波检测方法

谐波幅值和相位是有源滤波中的两项关键检测参数,两者均可由人工神经网络实现非线性映射。提出了一种用多层前向神经网络(MLFNN)来同时实现对两项参数进行测量的方法,并构造了一隐层采用正切函数,输出层采用线性函数的三层前向神经网络来进行仿真,以3次谐波为例阐述了该神经网络的训练方法和训练样本的组成。利用Matlab提供的工具箱,先用训练样本对神经网络进行训练,然后测量构造的未训练样本,其结果验证了方法的有效性。与传统FFT谐波检测方法的仿真比较表明:该方法在实时谐波检测中具有较高的精度和灵活性,且对采样数目没有严格限制,离线训练好的MLFNN可以适用于谐波源固定的场合。     

电力系统谐波的检测分析方法的发展

介绍了电力系统目前已有的谐波检测方法,叙述了傅立叶变换、小波变换、瞬时无功功率理论和神经网络等谐波检测新方法的发展现状,讲述了目前已有的谐波检测实现技术,分析了谐波检测方法与实现技术的发展趋势。     

电力系统谐波检测方法及其实现技术的发展

介绍了电力系统目前已有的谐波检测方法,叙述了小波变换、瞬时无功功率理论和神经网络等谐波检测新方法的发展现状,讲述了目前已有的谐波检测实现技术,阐述了微处理器和数字信号处理器等谐波检测实现技术的发展情况,分析了谐波检测方法与实现技术的发展趋势.     

基于孤立森林评分扩展的流量异常检测方法

流量异常检测是一种有效识别网络攻击行为的技术。近年来,无监督方法在异常检测领域得到了广泛应用。针对现有流量数据间时序关系挖掘的需求与孤立森林随机选择特征属性进行样本划分的问题,本文提出一种基于孤立森林评分扩展的流量异常检测方法。首先,文章使用滑动窗口机制和信息熵特性,设计了网络流量的熵时序特征提取方法,集成至特征集执行显著特征筛选。然后,文章构建了孤立森林评分扩展模型,在节点样本划分时,利用特征集合迭代方法与特征重要性矩阵,综合集合中孤立树特征,为节点标记综合路径长度代替原路径长度,并计算更能表征样本分布的异常评分。最后,通过设定异常得分阈值判别样本是否异常。在公开数据集上的实验结果表明,文章提出的异常检测模型,相比其他方法有明显优势,具有良好的实时检测性能,误报率更低,可有效用于网络流量的异常检测中,对真实网络环境中攻击事件的识别具有重要意义。     

一种基于CORBA的分布式入侵检测系统设计构想

提出了一种基于CORBA技术的分布式入侵检测系统模型，将分布式应用中的CORBA技术和入侵检测技术结合起来，有效提高了入侵检测的效率和准确性。首先分别了入侵检测系统、分布式入侵检测系统和CORBA技术，然后详细阐述了该系统模型的结构和特点，最后说明了系统自身的安全问题。     

基于双DSP的模糊变步长自适应谐波检测的研究

对谐波检测算法进行了研究,着重研究了自适应LMS算法,利用模糊控制与自适应滤波相结合,提出一种模糊变步长谐波检测算法.利用MATLAB软件对此算法及另一种性能优越的变步长LMS算法进行比较,验证本文算法的可行性及优越性.基于以上理论研究,设计并制作电路采集板及基于双DSP的开发平台,进行了软硬件设计.最后通过实验验证了...     

基于域自适应的二屏电能表显示屏质量检测方法

针对人工显示屏检测和机器检测存在精度较低及效率低下的问题,提出了一种基于域自适应的二屏电能表显示屏检测方法。为有效提高检测效率,对奇、偶二屏显示字段的虚显、断显、漏显和多显进行检测,快速实现对电能表显示屏字段、电能表显示屏驱动回路元器件及其生产过程的虚焊、漏焊、连锡等质量问题的检测。利用局部域自适应进行源域和目标域的对齐,提取显示屏中的细粒度信息以获取更高检测精度。实验结果表明,所提方法有效提高了电能表显示屏字段及其驱动回路质量的检测效率和检测精度。     

基于HMM的无线充电系统PFC装置故障检测

PFC装置作为电动汽车无线充电系统中整流模块与高频逆变模块之间的重要桥梁,一旦发生故障,不仅会对电网产生严重的影响,还会对后端高频逆变模块造成不可逆的破坏,因此需要对其进行快速和准确的故障检测。传统故障检测方法检测时间长,检测精度低。为此,本文提出一种基于隐马尔可夫模型（Hidden Markov Model,HMM）的电动汽车无线充电系统PFC装置故障检测方法。首先初始化模型,然后利用鲍姆韦尔奇（Baum-Welch）算法进行故障模型训练,最后利用维特比（Viterbi）算法进行故障检测。仿真实验结果表明,采用HMM进行PFC装置故障检测的正确率较神经网络和支持向量机（Support Vector Machine,SVM）最大提高了约40%,是一种快速且准确的方法,因此本文采用HMM能够有效识别出电动汽车无线充电系统中PFC装置故障的类型。     

UHF detection of leader discharges in SF6

The ultra-high frequency (UHF) technique of partial discharge detection has been used to study the partial discharges produced by electrode protrusions and surface contamination in a gas insulated substation (GIS). The paper describes the stages of discharge development from inception to breakdown. The work has shown that the UHF technique may be used to identify distinct phases of discharge activity corresponding to discharge inception and a prebreakdown condition. The prebreakdown activity is detected as an increase in the UHF signal magnitude which has been attributed to the formation of leader-type discharges. These discharges form an essential part of the breakdown process, and their detection can be used to identify when the system is close to breakdown. The paper describes a filtering technique that may be employed to optimize the sensitivity of UHF leader detection     

基于混沌理论的齿轮箱系统故障检测方法研究进展

基于混沌理论的故障检测方法就是利用混沌对初始条件的敏感、短期可预测等固有特性,来解决实际动态系统的故障检测问题。在总结目前应用于齿轮箱系统故障检测方面的混沌理论和方法的基础上,探讨了该领域目前采用的主要检测方法的原理、研究进展和存在的一些问题,力求为装甲车辆齿轮箱系统乃至传动系统的故障,特别是对强噪声背景下的故障提供一个先进的检测方法。     

深度学习陶瓷表面缺陷检测算法研究

传统的陶瓷缺陷检测主要依赖人工目测或放大镜观察,为解决检测效率低、结果主观性强等问题,提出了一种基于深度学习的陶瓷表面缺陷检测算法,针对于陶瓷杯表面的缺陷具体情况,在YOLOv5目标检测模型的基础上,增加小目标检测层,同时使用位置注意力机制进行特征重构提高检测的精确度,实现了高精度的缺陷检测。针对实际生产中的陶瓷双层杯进行数据采集训练,并对于每批数据进行推理,最终平均检测精度达到了95.4%。本文所改进的YOLOv5缺陷检测模型拥有更高的准确率、识别速度快等优点,可以极大地减少陶瓷质检减少人力物力的损耗与时间成本。     

雷电流识别与在线检测系统设计

对于雷电流波形检测,硬件触发和软件触发均有可靠性低和波形采集不完整等问题。为此根据雷电流的幅度﹑斜率﹑半峰值时间,提出雷电流识别方法和循环触发,来提高触发的可靠性和波形检测的完整性。详细介绍了雷电流在线检测系统的设计与实现,来检测雷电流的波形、幅值、极性、雷击杆塔号及雷击时间等。最后,用C++编写终端上位机,并通过实验验证了检测系统的实用性。     

基于多模型级联的轻量级缺陷检测算法

基于深度学习技术的缺陷检测算法往往因为网络参数较多而需要大量的图像样本去训练模型,但是在工业生产过程中缺陷产品数量极少,采集大量缺陷数据图像费时又费力。针对这一难题,本文提出了一种基于多模型级联的轻量级缺陷检测算法,它采用监督学习的训练方式,通过少量缺陷样本就可以获得较好的检测效果。首先,使用CBAM注意力残差模块代替常规卷积层进行特征提取,以聚焦缺陷特征,强化网络对缺陷的表征能力;其次,设计了SE-FPN模块,促进各级特征之间有效融合,提高网络对缺陷的分割效果,尤其是对小缺陷的分割效果;最后,在训练阶段,采用监督学习方式对本文所提的多模型算法网络进行训练。实验结果表明,本文所提算法在KolektorSDD数据集上的检测准确率高达99.28%,每张图像的平均检测时间仅需10.5ms,不但充分满足了工业检测行业高精度、实时性的要求,同时,还能实现对缺陷区域精准定位。因此,本文的研究内容非常适合应用在工业产品表面质量在线检测领域。