共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
3.
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. 相似文献
4.
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. 相似文献
5.
6.
7.
神经网络理论在自适应谐波和无功电流检测中的应用 总被引:1,自引:1,他引:0
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。 相似文献
8.
一种基于多层前向神经网络的谐波检测方法 总被引:16,自引:1,他引:16
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。 相似文献
9.
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。 相似文献
10.
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
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。 相似文献
16.
Sellars A.G. Farish O. Peterson M.M. 《Dielectrics and Electrical Insulation, IEEE Transactions on》1995,2(1):143-154
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 相似文献
17.
18.
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。 相似文献
19.
20.
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。 相似文献