排序方式: 共有21条查询结果,搜索用时 15 毫秒
11.
基于Adaline神经网络的家用电器谐波分析 总被引:2,自引:0,他引:2
为了分析常用家用电器用电对公共电网的谐波污染,应用Adaline神经网络对其进行自适应谐波分析。改进的增强型Adaline神经网络将频率作为待定权值,同时估计被测信号的频率、幅值和相位。幅值相位权值的学习采用变步长方法,频率权值的学习采用动量项方法,提高了收敛速度。修正的频率调整公式和频率延迟调整策略简化了频率学习率的设置。基于实测电压信号的对比研究验证了改进算法的收敛性能和分析精度。通过数据采集实验装置得到计算机、电视机、洗衣机、微波炉等家用电器的用电波形,并用改进的Adaline方法对波形信号进行谐波分析。实验结果表明,计算机的电流谐波总畸变率超过60%,微波炉的电流谐波总畸变率在40%以上,电视机和洗衣机的电流谐波总畸变率在10%以上。 相似文献
12.
为了提高电力系统间谐波分析的精度和分辨率,提出基于求根多重信号分类法(root-MUSIC)和自适应线性神经网络的间谐波参数估计方法.该算法利用求根多重信号分类法估计信号中谐波和间谐波的个数及频率,将谐波和间谐波的频率作为Adaline神经网络的输入进行学习,用得到的权值确定谐波和间谐波的幅值和相位;将频率作为权值在改进的Adaline神经网络中参与学习,估计谐波和间谐波的频率、幅值和相位.Matlab仿真结果表明,该算法频率分辨率高、检测准确、收敛快;当频率估计准确时,基本Adaline神经网络与改进的Adaline神经网络具有相近的检测精度,且前者的实时性更好. 相似文献
13.
增强型Adaline神经网络谐波分析方法研究 总被引:5,自引:0,他引:5
为了提高Adaline神经网络谐波分析方法对频率波动信号的分析精度,提出了增强型Adaline神经网络模型.该算法将基波频率作为待定的权值,可以同时估计信号频率及各次谐波的幅值和相位,在学习算法中采用动量项方法和频率延迟调整策略以提高算法的收敛性能.讨论了学习率和动量因子对算法收敛性的影响,并给出了各参数的优化设置方法.Matlab仿真结果表明,增强型Adaline谐波分析算法不会产生频谱泄漏,具有较高的分析精度和较快的收敛速度.增强型Adaline谐波分析算法适合于短数据非同步采样下的谐波分析. 相似文献
14.
15.
近似线性相位复小波的电能质量扰动检测 总被引:1,自引:0,他引:1
分析了利用小波方法对电能质量扰动检测的局限性.从完全重构滤波器组出发,探讨了小波与完全重构滤波器组的关系,并在Daubechies所得结论的基础上提出了用近似线性相位正交紧支对称复小波的构造方法,将其应用于微小电能质量扰动信号检测.仿真结果表明,利用该类复小波的相位信息和恰当的组合信息可准确检测出电压微小扰动的突变点,且该类复小波能采用Mallat算法,具有良好的实时性. 相似文献
16.
探讨了模拟驾驶训练中操作质量的评价问题,建立了汽车模拟驾驶训练综合评价的指标体系,提出了一种模拟驾驶训练操作结果的模糊综合评价方法。评价模型采用指数标度的AHP方法确定各因素的权重,改善了判断矩阵的一致性指标。并给出一种在标度体系满足传递性的前提下,检验定权过程中思维判断一致性的方法,最后分析了不同的模糊合成算子在评价过程中的应用效果。 相似文献
17.
汽车模拟驾驶模型与仿真的研究 总被引:13,自引:0,他引:13
在主动型驾驶模拟训练系统中 ,模拟驾驶舱各个操纵机构存在着多输入、多耦合、非线性的控制作用 ,而驾驶模拟训练要求驾驶动力学模型适于快速实时仿真 .本文使用拟合多项式描述汽车发动机负荷特性 ,提出结构简化的汽车速度和方向控制模型 .对模拟驾驶的仿真结构和学员操作的逻辑判断进行了讨论 ,通过对操纵机构输入的线性化处理 ,得到汽车行驶的仿真模型并选择快速仿真算法实现了所建模型 .实验结果表明 ,本文提出的理论模型和仿真算法是正确可行的 相似文献
18.
非同步采样的同步化谐波分析算法 总被引:1,自引:0,他引:1
为了消除采样过程中同步误差产生的频谱泄漏,提出一种基于搜索的同步化算法.该算法采用逆向搜索在非同步采样数据中截取整周期的采样序列,通过离散傅里叶变换(DFT)得到频谱,搜索频谱幅值得到基波谱线位置,计算基波及各次谐波的幅值和相位.误差分析和仿真结果表明,采样点数越多,算法精度越高,较高的采样频率有利于提高算法的分析精度.同步化谐波分析算法分为单周期和多周期两种方法,单周期法适合于非稳态周期信号的谐波测量,多周期法提供了一种精确分析稳态周期信号谐波的有效方法. 相似文献
19.
为了降低多重信号分类(MUSIC)法频率估计的计算复杂度,提出基于传播算子的间谐波频率估计方法.通过传播算子可以得到噪声子空间,不需要估计协方差矩阵和进行特征分解,并且不需要间谐波个数的先验知识,基于传播算子MUSIC算法的频率估计性能与MUSIC算法几乎相同.构造复数域自适应线性神经网络模型来估计谐波和间谐波的幅值和相位.该模型的输入变量和权值仅为实数域自适应线性神经网络的一半,简化了网络结构;采用Levenberg Marquardt(LM)算法对网络进行学习,大大减少了学习次数.仿真结果表明,该算法无需同步采样,能够快速准确地估计间谐波的频率、幅值和相位. 相似文献
20.