小波包变换在电网谐波检测中的应用

在传统谐波检测技术的基础上,提出一种基于小波包变换的电力系统谐波检测方法,实现了电网谐波信号的高分辨检测.     

基于小波变换的电网谐波电流检测

谐波对电力系统和用电设备产生了严重危害和影响.谐波检测是谐波问题的一个重要分支,实时、精确地对电网谐波进行检测有着重要的现实意义,但传统的谐波检测方法有很多缺点.随着数字信号处理技术的发展,小波变换作为一种较有效的方法,也被应用于对电网的谐波检测中.本文利用基于多分辨率分析的小波变换对电网谐波信号进行分析,理论分析和仿真结果都证实了该方法的有效性.     

基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

基于IASO-CCNN的自适应电力谐波检测

谐波检测环节对谐波治理能力有着很重要的影响,神经网络由于可以快速逼近非线性所以被广泛应用于谐波检测,传统的神经网络用于谐波检测时会存在收敛速度慢,精度不高的缺点,在传统神经网络的基础上,提出了级连神经网络(CCNN)构架,并利用改进蚁群算法(IASO)进行优化,通过MATLAB仿真验证,该算法不仅可以在线学习实时检测谐波,在精度与收敛速度上的表现也优于传统方式。     

小波神经网络在齿轮箱故障诊断中的应用

介绍了小波神经网络的基本概念及其构造，并针对齿轮箱故障的复杂性，综合利用小波函数的特点，构造了用于齿轮箱故障诊断的小波网络，对齿轮箱的状态进行判别，实现故障诊断．实验结果表明，小波神经网络在故障诊断领域具有良好的实用性．     

神经网络在脉宽调制谐波消去法中的应用

从理论上论述了运用神经网络来实现谐波消去法脉宽调制的产生，并给出仿真结果及用神经网络硬件实现的原理图，使用该方法能够方便，快速，准确地实现谐波消去法，并能大大减少单片机的工作量。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数,得到小波神经网络。通过小波的去噪和神经网络的自学习功能,获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判决,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法的有效性。     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

谐波小波在地震信号中的应用

地震波的瞬时信号，如瞬时振幅、瞬时相位等都是研究地球介质的重要参数。本文根据地震信号的特点，选用谐波小波对地震信号进行处理，求出地震信号的奇异点的位置，作出了瞬时振幅、瞬时相位的图形，实例表明，这种方法是可行的。     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分.傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号.小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷.本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性.     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法,并根据火灾传感器信号处理的特点,提出了将其用于火灾探测的方法,在子波神经网络中采用了子波函数和共轭梯度优化方法．实验表明,子波神经网络对火灾信号具有很好的学习和探测能力,与ＢＰ神经网络火灾探测方法相比,所提出的方法能够更快和更准确地探测各种标准实验火．     

一种基于神经网络的谐波电流抑制方法

在传统谐波注入法基础上提出一种神经网络自适应谐波电流抑制方法，根据自适应噪声抵消技术运用人工神经网络的自适应和自学习特性检测出谐波电流并注入电力系统，达到抑制谐波的目的。通过对一典型正弦电流的仿真研究结果表明，该方法是可行和有效的，它不但有较高的精测精度，而且能跟踪检测，根据环境的变化能自适应地调整神经网络的权值，以便正确地检测出线路的谐波电流。     

小波神经网络及其在化工中应用的研究

在分析化工复杂过程优化的特点，及常规优化算法的局限性的基础上，提出了一种基于小波神经网络的优化算法，并以一个实例说明该算法是可行的，在化工优化设计中具有重要的应用价值。     

基于神经网络的电力系统谐波测量方法研究

提出了一种新的基于三角基函数神经网络的电力系统谐波测量方法,给出了该神经网络算法的收敛定理,并采用加窗插值算法修正基波频率的准确度．该方法不需要同步采样和整周期截断,可一次性获得电力系统基波及各次谐波的频率、幅值和相位．计算机仿真结果表明,该方法计算精度高,计算量小,收敛速度快．     

基于 Hopfield 神经网络的谐波电流检测方法

在对各种谐波电流检测方法进行简单比较的基础上,提出了一种基于Hopfield神经网络(HNN)的谐波电流检测方法.该方法将HNN优化理论用于电力系统的谐波检测,自适应地准确检测出电网基波和各次谐波分量的幅值和相角.采样数据处理速度快,实时性好,网络不需要预先进行训练.仿真结果表明,该方法具有很好的实时性、较高的检测精度以及自适应跟踪负载电流变化的能力.     

小波和神经网络在人脸光照校正中的应用

提出一种基于小波和神经网络的人脸光照校正算法, 它 充分结合了小波的多分辨分析和BP神经网络的自适应学习和良好推广能力的性质, 对人脸进行光照校正. 理论和实验证明, 本方法能有效解决人脸检测和识别中的光照校正问题, 使不同光照条件下的人脸检测和人脸识别性能得到很大提高. 本方法还具有鲁棒性好、 适应面宽的特点.     

神经网络在入侵检测中的应用

当前的入侵检测技术主要有基于规则的误用检测和基于统计的异常检测。提出一个基于神经网络的入侵检测系统模型，利用神经网络的自学习、自适应的特性，快速识别和对噪声数据的处理能力，使入侵检测系统能够较好地识别新的攻击。     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.