为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测...为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。展开更多
针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)...针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。展开更多
针对具有双通道结构的无刷直流电动机(BLDCM,Brushless DC Motor)容错系统的高可靠性要求和大范围调速特点,在不增加额外设备的条件下,通过分析两个通道中功率电路直流母线电流波形的特点,提出一种采用归一化快速傅里叶变换(FFT,Fast Fo...针对具有双通道结构的无刷直流电动机(BLDCM,Brushless DC Motor)容错系统的高可靠性要求和大范围调速特点,在不增加额外设备的条件下,通过分析两个通道中功率电路直流母线电流波形的特点,提出一种采用归一化快速傅里叶变换(FFT,Fast FourierTransform)方法提取频率特征,再结合基于规则的专家系统进行故障检测与识别的方法,并通过实际电动机系统的试验验证了方法的正确性.试验结果表明:规一化FFT方法可以消除不同转速和不同负载对判断结果的影响;专家系统中阈值的选取可以有效避免实际应用中出现的噪声等因素的影响.算法复杂度低,可靠性高,易于应用,具有很强的实际操作性.展开更多
针对伪随机(PN)码调制的多普勒激光雷达中固有的对外差信号不能等间隔采样的问题,提出一种新的非均匀采样信号的离散傅里叶变换(DFT)方法。首先,给出距离速度同步测量多普勒激光雷达系统模型,指出对外差信号不能等间隔采样的原因;然后,...针对伪随机(PN)码调制的多普勒激光雷达中固有的对外差信号不能等间隔采样的问题,提出一种新的非均匀采样信号的离散傅里叶变换(DFT)方法。首先,给出距离速度同步测量多普勒激光雷达系统模型,指出对外差信号不能等间隔采样的原因;然后,通过理论推导,提出一种新的非均匀采样信号的频谱分析方法;最后,通过仿真验证该方法可用于分析非等间隔采样信号的频谱。结果表明,在道路运动目标产生的多普勒频率范围内,接收信号信噪比(SNR)为0 d B的情况下,该方法仍可有效分析出不等间隔采样多普勒信号的频率。展开更多
文摘为解决传统特高压直流保护对高阻故障检测准确率不高、故障检测时间过长以及故障选极不完善的问题,提出基于长短时记忆(long short term memory,LSTM)循环神经网络(recurrent neural network,RNN)的特高压直流输电线路继电保护故障检测方法。首先,基于快速傅里叶变换分析特高压直流输电系统暂态故障特征,使用相模变换和小波变换提取出故障特征量作为输入数据。其次,将输入数据输入到LSTM-RNN中进行前向传播,对系统故障特征进行深度学习,同时使用反向传播方式更新网络参数,将深层的特征量输入到Softmax分类器中进行分类,把故障识别分成区外故障、母线故障和线路故障,故障分类为正极故障、负极故障和双极故障,并输出识别结果。最后,在PSCAD/EMTDC仿真条件下,搭建特高压直流输电模型。验证结果表明:所提的方法在特高压直流输电线路继电保护的故障检测、故障选极上具有更好的效果,相比于人工神经网络、卷积神经网络、支持向量机,故障识别准确率分别提升4.71%、6.57%、9.32%。
文摘针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。
基金吉林省科技发展计划项目(20090350)吉林大学"985工程"工程仿生科技创新平台项目+5 种基金吉林大学博士研究生交叉学科科研资助计划项目(2011J009)资助高等院校博士专项科研基金(20100061110029)Supported by the Key Project of Science and Technology Development Plan for Jilin Province(20090350)the Jilin University "985 Project" Engineering Bionic Science and Technology Innovation PlatformDoctoral Interdisciplinary Scientific Research Projects Fund of Jilin University(2011J009)Chinese College Doctor Special Scientific Research Fund(20100061110029)
文摘针对具有双通道结构的无刷直流电动机(BLDCM,Brushless DC Motor)容错系统的高可靠性要求和大范围调速特点,在不增加额外设备的条件下,通过分析两个通道中功率电路直流母线电流波形的特点,提出一种采用归一化快速傅里叶变换(FFT,Fast FourierTransform)方法提取频率特征,再结合基于规则的专家系统进行故障检测与识别的方法,并通过实际电动机系统的试验验证了方法的正确性.试验结果表明:规一化FFT方法可以消除不同转速和不同负载对判断结果的影响;专家系统中阈值的选取可以有效避免实际应用中出现的噪声等因素的影响.算法复杂度低,可靠性高,易于应用,具有很强的实际操作性.
文摘针对伪随机(PN)码调制的多普勒激光雷达中固有的对外差信号不能等间隔采样的问题,提出一种新的非均匀采样信号的离散傅里叶变换(DFT)方法。首先,给出距离速度同步测量多普勒激光雷达系统模型,指出对外差信号不能等间隔采样的原因;然后,通过理论推导,提出一种新的非均匀采样信号的频谱分析方法;最后,通过仿真验证该方法可用于分析非等间隔采样信号的频谱。结果表明,在道路运动目标产生的多普勒频率范围内,接收信号信噪比(SNR)为0 d B的情况下,该方法仍可有效分析出不等间隔采样多普勒信号的频率。
