期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
树状放电的CPN识别方法 被引量:2
1
作者 王哲 蔡惟铮 陈学允 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2000年第5期5-8,12,共5页
电力变压器发生击穿之前会在固体绝缘材料上产生树状放电通道 .若能检测到树状放电信号 ,则可以断定变压器绝缘状况已经恶化 ,因此在线监测中对树状放电的检测具有十分积极的意义 .在实验条件下对在线监测中树状放电的识别进行了研究 .... 电力变压器发生击穿之前会在固体绝缘材料上产生树状放电通道 .若能检测到树状放电信号 ,则可以断定变压器绝缘状况已经恶化 ,因此在线监测中对树状放电的检测具有十分积极的意义 .在实验条件下对在线监测中树状放电的识别进行了研究 .建立了变压器绕组模型和树状放电产生电路 ,模拟了在绕组不同部位发生树状放电的情况 .通过CPN型神经网络的引入 ,成功地实现了在一定噪声水平下树状放电的识别 .同时 。 展开更多
关键词 树状放电 人工神经网络 对传网络 cpn识别方法 电力变压器
在线阅读 下载PDF
基于自适应CPN的规则自学习模糊控制器设计 被引量:2
2
作者 马勇 杨煜普 许晓鸣 《上海交通大学学报》 EI CAS CSCD 北大核心 1999年第5期577-580,共4页
基于扩展Kohonen的自组织映射和Grossberg的竞争算法,得到了一种高度自适应的双向对传网络(CPN),并给出了一类基于此类网络的模糊控制器.根据经验知识对网络离线学习,确定基本的控制规则,利用在线学习算法,... 基于扩展Kohonen的自组织映射和Grossberg的竞争算法,得到了一种高度自适应的双向对传网络(CPN),并给出了一类基于此类网络的模糊控制器.根据经验知识对网络离线学习,确定基本的控制规则,利用在线学习算法,实现了规则的自学习.在此算法中,控制器能够自动确定满足控制要求所需规则的个数,并且根据控制目标能够自动获取和校正控制规则. 展开更多
关键词 双向对传网络 模糊控制器 规则自学习 自适应
在线阅读 下载PDF
基于CPN的多机驱动胶带机功率平衡的研究 被引量:1
3
作者 莫丽红 《煤炭工程》 北大核心 2010年第9期105-107,共3页
针对带式输送机三机驱动功率不平衡的问题,提出采用CPN模糊神经网络控制器,以克服单纯采用模糊控制存在的规则数目过多的问题,并给出了具体CPN控制算法。该控制器能够在控制过程中对神经网络的结构和参数学习,产生模糊控制规则并调整规... 针对带式输送机三机驱动功率不平衡的问题,提出采用CPN模糊神经网络控制器,以克服单纯采用模糊控制存在的规则数目过多的问题,并给出了具体CPN控制算法。该控制器能够在控制过程中对神经网络的结构和参数学习,产生模糊控制规则并调整规则的参数。实验结果显示其响应速度快、静差小且具有较强的泛化能力,达到了预期的控制效果。 展开更多
关键词 对向传播网络 模糊控制 功率平衡 胶带机 多变量系统
在线阅读 下载PDF
自适应量子前向对传算法研究 被引量:6
4
作者 李楠 侯旋 《电子与信息学报》 EI CSCD 北大核心 2013年第11期2778-2783,共6页
该文研究了量子理论与量子神经网络原理,深入分析了量子前向对传网模型与基于递归加权最小二乘的量子前向对传算法。提出了量子前向对传网的定义与知识集,提出了自适应量子前向对传算法,证明了算法的收敛性。该算法全面考虑了在本次学... 该文研究了量子理论与量子神经网络原理,深入分析了量子前向对传网模型与基于递归加权最小二乘的量子前向对传算法。提出了量子前向对传网的定义与知识集,提出了自适应量子前向对传算法,证明了算法的收敛性。该算法全面考虑了在本次学习之前学习速率的总体状况,通过自适应地改变学习速率,控制学习速率适时变化,改善网络的收敛性。有效克服了学习速率过高导致网络振荡发散与学习速率太小降低网络收敛速度的缺陷。仿真结果表明,自适应量子前向对传算法相对基于递归加权最小二乘的量子前向对传算法具有较少的网络训练迭代次数和较高的分类精度。 展开更多
关键词 量子神经网络 量子前向对传网 自适应 收敛性
在线阅读 下载PDF
电流型变流器SVM技术简化算法研究
5
作者 李玉玲 李建林 张仲超 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2005年第9期1282-1285,共4页
为了改善电流型变流器(CSC)的控制性能和提高控制系统的实用性,提出了一种基于反向传播神经网络(CPN)结构的空间矢量调制(SVM)技术(CPN-SVM)实现方法.该方法利用CPN的竞争学习机制,将变流器的6个非零开关矢量构成CPN的输入层,根据CPN竞... 为了改善电流型变流器(CSC)的控制性能和提高控制系统的实用性,提出了一种基于反向传播神经网络(CPN)结构的空间矢量调制(SVM)技术(CPN-SVM)实现方法.该方法利用CPN的竞争学习机制,将变流器的6个非零开关矢量构成CPN的输入层,根据CPN竞争层中的胜者选择每一个采样时刻作用的开关矢量,并确定此时参考电流矢量所在的扇区,同时采用胜者的线性组合来计算SVM中所选择的开关矢量的作用时间.结果表明,与传统SVM相比,CPN-SVM避免了计算正弦函数非线性运算,大大缩短了计算时间,从而缩短最小采样周期,提高了整个系统的传输带宽,同时降低了控制系统的软硬件成本. 展开更多
关键词 反向传播神经网络 空间矢量调制 电流型变流器 cpn-SVM
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部