基于神经网络的高精度电力系统谐波分析

为了精确分析整数次谐波和非整数次谐波,讨论了基于参数固定的三角基函数的人工神经网络算法,利用该算法可一次性获得电力系统基波及各整数次谐波的频率、幅值和相位;同时提出了改进的三角基函数的人工神经网络算法,即变参数三角基函数的人工神经网络算法,把改进的模型和FFT结合起来,能实现精确的整数次和非整数次谐波的分析。仿真结果表明了两种算法的正确性和易实现性;同时也验证了改进的算法进一步提高了谐波分析的精度,为分析间谐波提供了依据。

基于FFT和神经网络的高精度谐波分析

为了精确分析整数和非整数次谐波,提出了基于快速傅里叶变换(FFT)和神经网络的谐波分析方法,该方法的特点是采用基函数参数可调的神经网络。具体是先把信号进行FFT处理,得到谐波个数和精度不高的谐波幅值、相位、谐波次数;其次根据谐波个数设定神经元的个数,根据预处理后得到的幅值、和相位、谐波次数设定神经网络权值和基函数参数迭代的初始值;最后对人工神经网络进行训练,便可实现整数和非整数次谐波的精确分析,同时能将频率相近的非整数次谐波分离。仿真结果验证了该方法的有效性与易实现性。

新的无线传感器网络覆盖控制算法

首先,设计了节点自适应传感半径调整算法(AASR,adaptive adjustment of sensing radius),通过节点自适应选择最佳的覆盖范围,有效地进行节点覆盖控制,减少节点能量虚耗,提高覆盖效率。其次,从调整效果、能量消耗和覆盖冗余度3个方面对节点自适应传感半径调整算法进行了模拟实验和分析。仿真结果表明,AASR能够有效提高节点生存时间,减少能量消耗,提高覆盖率。

基于FFT和神经网络的复模态参数识别

为了精确识别结构复模态参数,提出了一种基于快速傅里叶变换(FFT)和人工神经网络的模态识别方法.该方法首先对自由振动信号进行FFT预处理,得到粗略的各阶模态频率和相位.然后,根据模态的阶数设定神经元的个数,根据预处理后得到的频率和相位设定神经网络权值和基函数参数迭代的初始值.最后,通过对人工神经网络进行训练,达到利用自由振动信号进行时域模态识别的目的.仿真结果表明,该算法可消除频率法识别中因频谱泄露与噪声等产生的误差,提高模态识别的精度,因而是一种有效的时域识别方法.

基于三角基函数的新型神经网络谐波分析方法

谐波分析是电能质量检测的关键。改进了基于固定三角基函数的人工神经网络传统模型,仿真验证证实,改进后的模型可以精确获得基波及各整数次谐波的幅值和相位,且直观、收敛速度快;利用Matlab中的自定义神经网络函数创建了一种基于变参数三角基函数的新的人工神经网络模型,配合加窗FFT算法和高效的LM训练算法,能实现准确的整数次和非整数次谐波分析。仿真结果表明,该算法正确,且便于实现,具有一定的实用性。

模糊RBF神经网络在纯滞后系统中的应用

在工业过程控制系统中,许多被控对象具有纯滞后的性质,这种纯滞后环节将导致系统不稳定。设计了一种控制器,这种控制器结合了模糊控制和神经网络控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明这种控制器结构简单,对纯滞后系统的控制效果良好。