基于改进粒子群算法的电流互感器J-A模型参数辨识

在应用Jiles-Atherton(J-A)磁滞模型对电流互感器的磁滞回线进行分析时,需对J-A磁滞模型中5个关键参数进行精确识辨。针对目前辨识方法存在的计算时间长和寻优能力差等问题,提出了一种改进的粒子群算法对J-A磁滞模型中的关键参数进行辨识。该算法将遗传选择策略引入到粒子群算法中,通过增加粒子群的多样性来提高了算法全局搜索能力,从而提高J-A磁滞模型关键参数辨识的准确度。文中对比分析了所提改进算法(GSS-PSO)与其他智能算法对J-A磁滞模型的关键参数辨识速度与准确度。结果表明,改进的算法得到的磁滞回线与实测磁滞回线的误差最小,且识别效率较高,证明了该算法在J-A磁滞模型参数辨识中的准确性和有效性。     

变压器铁心磁滞模型参数辨识

针对描述铁心磁滞特性的Jiles-Atherton模型中参数确定较难问题,通过找出各参数对磁滞回线特征量的影响规律,确定各参数比较合理的拟合初始值。参数采用逐个优化算法,以实验获取的磁滞回线与计算得到的磁滞回线之间的均方误差最小值作为优化目标,并以2者之间的均方误差反馈控制每个参数的优化启动、优化停止及变化百分比,从而得到一组最佳逼近的Jiles-Atherton模型参数。研究结果表明该算法简单实用。通过拟合数据与理论数据、实际硅钢片数据及实验数据的对比,验证了该算法的正确性和有效性。     

基于局部磁滞回线斜率的变压器铁心剩磁估算

利用Jiles-Atherton (JA)模型研究铁心的磁滞特性,并将剩磁点附近的局部磁滞回线线性化,得到剩磁与局部磁滞回线斜率的关系特性;并通过试验验证了该方法的可行性。     

一种高频动态磁滞回线的PSpice电路模型研究

根据Jiles-Atherton铁磁磁滞理论和Hammerstein结构宏模型提出了一种高频动态磁滞回线的PSpice电路模型.将二阶低通滤波器插入Jiles-Atherton数学模型的等效PSpice电路中,追踪磁滞回线随频率的变化,近似地模拟高频动态磁滞回线.经实验论证,用该PSpice电路模型仿真所得磁滞回线与实...     

基于蛙跳模糊算法的Jiles Atherton铁心磁滞模型参数确定

Jiles Atherton(JA)模型广泛应用于铁心磁滞建模领域,其参数确定精确与否直接影响铁心磁滞现象的表达,为此提出蛙跳模糊算法对JA模型参数进行辨识。为了防止蛙跳算法陷入局部最优解并加快收敛速度,根据特殊点(矫顽力、矫顽力点磁化率)处实测值与计算值的相对误差,采用模糊控制方法,得到动态反馈系数,修正蛙跳算法的步长调整公式。采用爱泼斯坦方圈搭建磁滞回线测量系统,测得铁心饱和磁滞回线与局部磁滞回线。采用蛙跳模糊算法、蛙跳算法、粒子群算法和遗传算法分别求解得到模型参数,并将计算的磁滞回线与实测磁滞回线进行比较,证明了所提出的蛙跳模糊算法不易陷入局部最优解且具有更快的收敛速度。根据蛙跳模糊算法得到的局部磁滞回线模型参数辨识结果,研究模型参数与磁通密度的关系并进行拟合,得到不同磁通密度下的局部磁滞回线参数拟合模型。     

J-A模型误差修正和温度特性仿真

Jiles-Atherton(J-A)模型在磁滞建模领域应用广泛,但其二次磁滞回线仿真结果误差较大且无法仿真磁滞回线温度特性。为建立精确并反映温度特性的磁滞回线模型,提出了J-A模型误差修正和温度特性仿真方法。通过修正模型参数提高二次磁滞回线仿真准确度,同时引入居里温度、临界指数等附加参数,实现了对磁滞回线温度特性的仿真。最后以硅钢片为例介绍了建模过程并进行了实验验证,仿真与实验结果吻合,证明了方法的有效性。     

变压器铁芯磁滞回线模型参数辨识

利用MATLAB遗传算法工具箱,由实验测得的磁滞回线,将模型参数分为2组,分别通过磁滞回线饱和特性和损耗特性的方法,对Jiles-Atherton（J-A）模型中的5个模型参数进行了辨识,并应用具体实例对该方法的有效性进行了仿真验证。仿真结果表明,所提方法能较好拟合磁滞回线。     

一种改进磁滞数学模型参数的计算方法

根据Jiles-Atherton铁磁磁滞理论修改Brachtendorf磁滞数学模型得到了一种新的改进磁滞数学模型.然后,给出了一种实用的模型参数计算方法.首先,搭建求参方程组;其次,利用数学软件MATLAB对方程组进行迭代运算直至确定出满足条件的参数.所得参数使得模型能很好地模拟磁滞特性的主要特征.     

考虑可逆分量的解析Preisach磁滞模型及其特征参数辨识算法

基于洛伦兹函数的解析Preisach模型具有形式简便、分布函数易于确定等优势,但如果考虑可逆磁化分量,模型的复杂程度和参数会显著增加,导致用于传统模型参数辨识的解析或神经网络等方法不再适用。为此,首先通过引入可逆磁化分量,构建一种考虑可逆分量的解析Preisach模型;然后,分析了各个特征参数对磁滞回线形状的影响规律,并且结合循环迭代法与粒子群算法,提出一种针对考虑可逆分量解析Preisach模型的特征参数混合寻优算法;最后,将所提磁滞模型及其参数辨识算法得到的磁滞回线计算值与实测值进行对比。结果表明,该模型及其参数辨识算法的最大平均相对误差为4.49%,验证了该方法的准确性和有效性。     

基于人工神经网络的Preisach磁滞模型与实现

在Preisach静态磁滞模型的基础上,利用极限磁滞回线的对称性,采用人工神经网络技术,建立了Preisach神经网络磁滞回线仿真模型,实现了对试验样片交流磁滞回线的理论计算;同时给出了一种采用爱泼斯坦方圈,对实验样片的动态磁滞回线进行数字测量的新方法,该方法实验设备简单,测量精度高,具有较好的工程实用价值。利用该方法得到的实验数据很好地验证了理论计算结果。     

基于遗传神经网络的电容称重传感器非线性补偿方法

为了解决电容称重传感器的非线性问题,应用遗传算法训练径向基函数神经网络实现其非线性补偿。介绍非线性补偿的原理和网络训练方法。从实测数据出发,建立了电容称重传感器的非线性补偿模型。该方法能同时优化网络结构和参数,具有全局寻优能力,补偿精度高、鲁棒性好、网络训练速度快、能实现在线软补偿。实验结果表明,本文所用的电容称重传感器非线性补偿方法是有效和可行的。     

基于遗传算法优化神经网络的建筑物电力负荷预测

建立BP神经网络模型,解决了建筑物电力负荷预测由于强耦合性、滞后性和非线性而难于建立模型的问题。利用遗传算法的全局搜索能力对网络模型进行权值优化,解决了传统BP神经网络易陷入局部最优的困扰,使预测更为精准。通过MATLAB软件进行仿真试验,验证了此方法的可行性。     

基于遗传算法优化BP神经网络的接触电阻预测

接触电阻是反应导体间电接触性能的重要参数,在实际的工程中往往采用经验公式对接触电阻进行计算,精度难以满足要求。为解决这一问题,将遗传算法(GA)与BP神经网络相结合对接触电阻进行预测。通过实验得到数据,分别利用遗传算法优化BP神经网络、BP神经网络以及回归分析模型进行训练和测试,并将各算法所得误差进行对比。误差对比结果表明：遗传算法优化BP神经网络的收敛效果优于其他两种算法,且遗传算法优化BP神经网络所得接触电阻模型的相对误差平均值比BP神经网络减少了4.01%,比回归分析减少了4.72%,且预测效果较稳定。利用遗传算法与BP神经网络相结合的接触电阻预测模型较单独使用BP神经网络预测模型具有更好的非线性拟合能力和更高的预测精度。     

基于GA-RBF神经网络的变压器温升预测

以预测变压器温升为目的,提出了一种基于遗传算法(GA-Genetic Algorithm)优化径向基函数(RBF-Radial Basis Function)神经网络的预测模型。首先用GA算法优化RBF神经网络中的隐层节点个数、输出权重、隐层基函数中心及宽度这四个参数的初值,然后利用优化后的RBF神经网络对样本进行训练,这样克服了传统神经网络参数选择的随机性。以S9-1000/10低损耗电力变压器为例作温升试验,将预测值与实测值对比,并与基于传统的BP神经网络预测值对比,结果表明,该方法得到的变压器温升预测值与实测值更接近,该预测模型具有更高的精度和适应能力。     

基于改进RBFNN的1000kV特高压线损预测

针对特高压输电线线损与特征参数间关系复杂的特点,提出一种联合聚类优化算法(Canopy-K-means)和自适应二次变异差分进化(adaptive second mutation differential evolution,ASMDE)算法改进的径向基神经网络(radial basis function neural...     

遗传算法和神经网络结合的PSD非线性校正

针对光电位置传感器(PSD)检测系统在大坝变形观测中所呈现的非线性问题,建立改进的遗传算法和LM-BP神经网络结合的模型,对PSD的非线性进行补偿?该方法先用遗传算法对LM-BP网络的权阈值进行优化后再用LM-BP网络逼近任意非线性函数的特点对实际位置数据与理想值进行拟合后并进行测试,经过多次任意产生的种群优化后选择较为优秀个体作为神经网络的和阈值,并对任意位置进行校正,仿真结果表明,该方法克服了LM-BP网络对初始权阈值的依赖和泛化能力弱的特点,多次实验平均误差都小于1%,其泛化能力优于标准的遗传算法和神经网络结合的模型。