简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:将Hilbert-Huang变换(HHT)算法和Prony算法相结合进行电力系统低频振荡模式识别。利用HHT算法对实测信号进行经验模态分解,使之分解成处于不同频率的固有模态函数(IMF);然后根据Hilbert变换,分析IMF分量的频率和相位,提取出含主导低频振荡模式的IMF;利用Prony算法对含低频振荡模式的IMF进行分析,提取出低频振荡模态参数,准确识别低频振荡模态。通过算例分析,证明了该方法可提高模态识别的精确性,验证了提取低频振荡模态参数的有效性。
简介:本文叙述了一种检测多相交流电机绝缘损坏的新技术。该电机必须是星形连接,并且有易于使用的中性点。本文提供了该技术的数学理论,并且该理论得到了实验证实-从3个瞬时中性点电压的代数之和检测到了感应电机定子中的匝间故障。然而,该电压之和含有不需要的降低该电路灵敏度的频率。过滤该电压之和的带通(基频附近)通过的消除来自铁心饱和谐波、槽谐波等等来优化灵敏度。该电路的结构实际上使其可免除归因于各种负载工况、运行温度和源电压波动的虚警。已经证明,该项技术在理论上和实际上都比其它基于相序电压和电流的精确计算的技术要简单。该项技术的简便性使得在电机基本励磁的几个循环内就能够以低廉的费用实现对匝间故障的识别。