The Radial Basis Functions Neural Network （RBFNN） is used to establish the model of a response system through the input and output data of the system. The synchronization between a drive system and the response syst...The Radial Basis Functions Neural Network （RBFNN） is used to establish the model of a response system through the input and output data of the system. The synchronization between a drive system and the response system can be implemented by employing the RBFNN model and state feedback control. In this case, the exact mathematical model, which is the precondition for the conventional method, is unnecessary for implementing synchronization. The effect of the model error is investigated and a corresponding theorem is developed. The effect of the parameter perturbations and the measurement noise is investigated through simulations. The simulation results under different conditions show the effectiveness of the method.展开更多
强干扰区多类噪声时空叠加,对电磁勘探的影响严重且复杂.以往的人工源电磁(Controlled-Source Electromagnetic Method,CSEM)信号处理方法大多针对单道数据进行处理,并未考虑各道之间的相关性,从而产生非必要的误差.为此,在同步观测的...强干扰区多类噪声时空叠加,对电磁勘探的影响严重且复杂.以往的人工源电磁(Controlled-Source Electromagnetic Method,CSEM)信号处理方法大多针对单道数据进行处理,并未考虑各道之间的相关性,从而产生非必要的误差.为此,在同步观测的基础上,本文提出一种基于站间传递函数的CSEM有效信号提取方法.首先,从多域对同步观测的CSEM数据进行质量评价,优选出高信噪比的参考站;其次,基于参考站与测站之间的时域信号方差比(Ratio of variance,ROV)实现测站强干扰噪声的快速识别与定位,采用密度聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)筛选出测站高信噪比数据段,并构建频率域站间传递函数;最后,考虑各道之间的相关性,利用参考站信号与站间传递函数对受强干扰时间段的观测数据进行处理,从而实现了强干扰环境下CSEM有效信号的高精度提取.通过对仿真信号与广域电磁法(Wide Field Electromagnetic Method,WFEM)实测数据的处理,验证了方法的有效性和实用性.结果表明,本文提出的基于站间传递函数的CSEM信噪分离方法不仅考虑了多道同步观测数据之间的相关性,还能在不增加野外工作量的基础上实现对有效信号的高精度提取,方法具有普适性,为CSEM同步阵列数据处理提供了一种快速、可行的解决方案.展开更多
针对变换器并联系统在大扰动下的暂态同步稳定性问题,当前的研究因缺乏有效的非线性动力学系统分析方法而面临着巨大挑战。为此,将新能源经柔直外送系统作为研究场景,建立系统的暂态交互模型,构造解析的李雅普诺夫函数,再利用直接法估...针对变换器并联系统在大扰动下的暂态同步稳定性问题,当前的研究因缺乏有效的非线性动力学系统分析方法而面临着巨大挑战。为此,将新能源经柔直外送系统作为研究场景,建立系统的暂态交互模型,构造解析的李雅普诺夫函数,再利用直接法估计系统的稳定域。据此,进一步给出基于临界能量的系统暂态同步稳定判据。根据理论推导,揭示了新能源侧并网变换器和柔直送端变换器之间的耦合关系。从能量的角度分析了控制参数对同步稳定性的影响,以及控制方式对判定结果的影响。最后,在Matlab/Simulink中搭建基于模块化多电平换流器高压直流输电(modular multilevel converter based high voltage direct current transmission,MMC-HVDC)送出的新能源外送系统仿真模型,验证了所提方法的有效性和分析结果的正确性。展开更多
基金This project was supported in part by the Science Foundation of Shanxi Province (2003F028)China Postdoctoral Science Foundation (20060390318).
文摘The Radial Basis Functions Neural Network （RBFNN） is used to establish the model of a response system through the input and output data of the system. The synchronization between a drive system and the response system can be implemented by employing the RBFNN model and state feedback control. In this case, the exact mathematical model, which is the precondition for the conventional method, is unnecessary for implementing synchronization. The effect of the model error is investigated and a corresponding theorem is developed. The effect of the parameter perturbations and the measurement noise is investigated through simulations. The simulation results under different conditions show the effectiveness of the method.
文摘强干扰区多类噪声时空叠加,对电磁勘探的影响严重且复杂.以往的人工源电磁(Controlled-Source Electromagnetic Method,CSEM)信号处理方法大多针对单道数据进行处理,并未考虑各道之间的相关性,从而产生非必要的误差.为此,在同步观测的基础上,本文提出一种基于站间传递函数的CSEM有效信号提取方法.首先,从多域对同步观测的CSEM数据进行质量评价,优选出高信噪比的参考站;其次,基于参考站与测站之间的时域信号方差比(Ratio of variance,ROV)实现测站强干扰噪声的快速识别与定位,采用密度聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)筛选出测站高信噪比数据段,并构建频率域站间传递函数;最后,考虑各道之间的相关性,利用参考站信号与站间传递函数对受强干扰时间段的观测数据进行处理,从而实现了强干扰环境下CSEM有效信号的高精度提取.通过对仿真信号与广域电磁法(Wide Field Electromagnetic Method,WFEM)实测数据的处理,验证了方法的有效性和实用性.结果表明,本文提出的基于站间传递函数的CSEM信噪分离方法不仅考虑了多道同步观测数据之间的相关性,还能在不增加野外工作量的基础上实现对有效信号的高精度提取,方法具有普适性,为CSEM同步阵列数据处理提供了一种快速、可行的解决方案.
文摘针对变换器并联系统在大扰动下的暂态同步稳定性问题,当前的研究因缺乏有效的非线性动力学系统分析方法而面临着巨大挑战。为此,将新能源经柔直外送系统作为研究场景,建立系统的暂态交互模型,构造解析的李雅普诺夫函数,再利用直接法估计系统的稳定域。据此,进一步给出基于临界能量的系统暂态同步稳定判据。根据理论推导,揭示了新能源侧并网变换器和柔直送端变换器之间的耦合关系。从能量的角度分析了控制参数对同步稳定性的影响,以及控制方式对判定结果的影响。最后,在Matlab/Simulink中搭建基于模块化多电平换流器高压直流输电(modular multilevel converter based high voltage direct current transmission,MMC-HVDC)送出的新能源外送系统仿真模型,验证了所提方法的有效性和分析结果的正确性。
