负阻抗变换器的实验研究

本文简述了负阻抗变换器(NIC)原理之后,着重实验研究NIC 的性能,并应用 NIC 性能作为负内阻电源,还将这负电阻应用到 RLC 串联电路中,从中观察到等幅、增幅振荡波形和它们的状态轨迹,实验数据准确,波形清楚稳定,得到满意的结果。     

一种负阻抗变换器的特性研究及其应用

对一种由运算放大器电路构成的我阻抗变换器（ＮＩＣ）做了较详细的研制，给出了该电路在开路、负载以及它与电阻做串、并联联接时的各种直流特性的理论分析和实验结果，实验结果与理论分析一致，最后给出了几种由ＮＩＣ构成的正弦振荡器电路，以及这种电路的调示特点及方法。     

基于混合遗传算法的宽带阶梯阻抗变换器的优化设计

提出了一种将标准遗传算法和确定性方法相结合的混合遗传算法,并应用该方法对相对带煤这１００％的宽带阶梯阻抗变换器进行优化设计,克服了标准遗传算法效率太低及确定性方法易收敛于局部极小点的缺点。分别对负载阻抗为纯实数和复数的两种情况进行优化设计表明：当负载为纯电阻时,混合遗传算法的计算结果与Ｃｈｅｂｙｓｈｅｖ综合所得结果基本一致;当负载为复阻抗时,混合遗传算法所得结果优于传统的综合方法。     

采用两只运放实现阻抗变换器的研究

提出了一种综合阻抗变换器(GIC)的新方法,导出负阻性、感性、容性一系列新电路,并给出了实验结果。     

基于改进的思维进化算法的宽带阻抗变换器设计

针对传统阻抗变换器设计中可能出现的理论设计与实际实现的矛盾,给出了宽带阻抗变换器参数优化设计的数学模型,提出了一种改进的思维进化算法,设计了改进的自适应趋同算子,讨论了符合微带线电路优化的适应度函数,给出了基于思维进化算法的宽带阻抗变换器的优化步骤,并利用Matlab仿真平台对不均匀宽带阻抗变换器进行了优化设计,得到了满意的设计参数.改进的思维进化算法的优化结果同基本遗传算法和传统的Chebyshev计算结果相比较,电压驻波比在通频带内保持较低值,尺寸相对较小,取得了较好的优化效果.同时也验证了本文方法在多变量类型优化问题的可行性和优越性.     

负阻元件与负阻抗变换器

从变量约束关系出发分析了负阻元件存在的可能性及其物理性质, 负阻元件与负阻抗变换器的关系及其应用。     

基于神经网络的水下灵巧手阻抗控制

水下灵巧手抓取物体时,物体与指尖存在力控制问题,但是由于动力学模型、被抓取物体位置和刚度的不确定性,采用传统阻抗控制方法不具有鲁棒性.文中基于位置型阻抗控制方法,提出采用神经网络对手指动力学模型、物体刚度和物体位置误差进行补偿.对补偿策略进行了详细的推导,并通过仿真实验验证了该方法的补偿效果,结果表明基于神经网络的位置型阻抗控制器具有较强的鲁棒性.     

基于压电阻抗测试的结构诊断神经网络方法

采用单片压电陶瓷片PZT粘贴于某工程结构表面,用阻抗分析仪测量其不同结构状态引起的阻抗特性变化,测试扫描频率范围为1～700 kHz.将得到的导纳曲线数据作为神经网络的输入参数,建立一个BP神经网络模型,进行结构状态的识别.该方法与传统的模态方法等相比具有许多优点,如PZT安装方便,不受结构限制,PZT的激励和测试能够利用一组电缆同时进行,测试操作简单.同时,由于直接将测试数据作为神经网络模型的输入参量,因此无需对测试数据进行复杂的特征提取处理.用实测数据对构建的BP神经网络进行了训练和测试,应用结果表明,训练收敛的网络可以较好地识别不同的结构状态.     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

基于模糊神经网络的变压器故障诊断新方法

基于模糊理论与神经网络理论,提出了变压器故障诊断的新方法,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型。此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,研究结果表明了这种方法的有效性和应用前景。     

基于人工神经网络的变压器绝缘老化诊断算法研究

介绍了人工神经网络在变压器绝缘老化诊断中的应用,并采用BP算法设计了变压器绝缘老化诊断系统.定义了不同的变压器状态,采用大量的数据进行训练,结果表明,应用人工神经网络对变压器绝缘老化程度进行判断并对其剩余寿命进行评估,具有更高的准确性和可靠性.     

基于模糊聚类法的神经网络变压器故障诊断系统

在变压器故障诊断中,针对样本中可能存在的孤立样本以及样本分布的不均匀性,导致神经网络整体性能下降,训练和测试效率降低的情况,设计了利用模糊聚类法对样本进行预先处理,然后再应用神经网络进行训练和测试的诊断系统.从仿真结果可以看出,该诊断系统较样本未处理而直接应用于神经网络诊断系统的诊断性能有大幅度的提高.     

基于遗传算法的神经网络优化的研究

有效地确定神经网络的参数和结构,一直是神经网络研究中的一个难点。遗传算法是一种基于自然选择和自然遗传机理的全局搜索学习算法。本文研究了用遗传算法优化神经网络连接权的思想和方法。实验结果表明,遗传算法为训练神经网络提供了一种新的途径     

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。     

基于神经网络的非线性控制系统

研究基于神经网络的非线性系统控制，对生物反应器过程进行直接自适应神经网络控制，以BP网络为控制器，采用BP算法，控制效果良好．神经网络应用在对非线性系统建模和仿真，给非线性控制系统提供了良好的解决方法．     

基于人工神经网络的电力变压器励磁涌流判别

研究了励磁涌流的产生机理和特性 ,探讨了影响励磁涌流的因素 ,对多种条件下的电力变压器励磁涌流及故障电流进行了数字仿真 ,比较了两者在物理特性上的区别。同时利用Matlab中的神经网络工具箱 ,建立了径向基函数 (RBF)神经网络模型 ,对励磁涌流和短路电流的样本进行训练 ,并对训练好的神经网络进行测试。结果表明 :RBF神经网络可以正确地区分励磁涌流和短路电流。     

Elman神经网络在变压器故障诊断中的应用

变压器是电力系统中的枢纽设备之一,其运行情况将直接影响电力系统的安全运行。传统的变压器故障诊断方法不仅判断变压器中存在的故障的准确率低,而且对综合性故障也无法准确判断。应用E lm an神经网络进行变压器故障诊断,极大的提高了诊断准确率,提高电力系统运行可靠性。