简介：针对导波在大电机定子绝缘结构中传播的多模态及频散效应，为了有效提取绝缘损伤特征和识别导波模式波包，达到绝缘损伤检测的目的，本文通过数值模拟和实验方法进行导波激励模式的研究。通过分析导波在定子绝缘结构中的传播特性，提出导波激励模式的优化目标；采用有限元方法，在定子绝缘损伤前后分别进行单面激励、双面同相和双面反相激励数值模拟分析，应用希尔伯特变换方法提取不同导波模式波包峰值特征，对导波激励效果进行评价；最后对不同导波激励模式的激励效果进行了实验验证。数值模拟与实验结果表明：与单面激励模式相比，双面同相激励模式能够有效增强S0波包模式，双面反相激励能够有效增强A0波包模式，从而可以激励出单一的波包模式，简化了导波模态；另外，在双面反相激励模式下，损伤前后Lamb波A0模式波包的幅值有明显的减小，应用A0模式波包更容易识别出定子绝缘损伤的存在。

简介：论文主要介绍采用BP神经网络对变压器油中溶解气体进行分析来进行变压器故障诊断。论文所用BP算法是在传统的最速下降BP算法中加入可变学爿率以及采用动量因子的改进BP网络算法，即将自适应学习率法和动量BP法相结合的学习率可变的动量BP算法，建立了一种具有较强学习能力、泛化能力和适应能力的神经网络模刚，并通过实验证明了其对变压器故障诊断的准确性。

简介：该文设计了一种基于Blackfin的BF537数字信号处理器（DSP）的新型太阳能照明系统.它采用siemens公司的TC35i模块来实现无线通讯，采用BP神经网络在蓄电池的灌充阶段实现了太阳能最大功率点跟踪（Maximumpowerpointtracking，MPPT）.为了解决神经网络不保证收敛的问题，在BP神经网络里还引入了遗传算法，得到遗传神经网络（GA-BP）.最后通过系统的实现与测试，证明了算法的优越性和该系统的实用性.

简介：文章研究了利用非破坏性参量预测发电机主绝缘的剩余击穿电压，大型发电机主绝缘的非破环性参量主要有直流特征参量、交流特征参量、介质特征参量、局部放电特征参量和非电特征参量这五类。通过分析得到了介质特征量与局部放电特征量这两类参量适合预测剩余击穿电压的结论。紧接着用皮尔森积矩法作了这两类参量与剩余击穿电压的相关性分析，最终获得了四个与剩余击穿电压有较大相关性的非破坏性参量。本文筛选的网络模型经训练后取得了良好的预测效果：预测值与实际值的最大相对误差为0．93％，最小相对误差仅为0．01％。由此证明通过BP神经网络预测大型发电机主绝缘剩余击穿电压是可行的。

简介：在开关磁阻电机直接转矩控制系统中，为了提高磁链观测器的性能，准确地实现磁链观测，提出基于粒子群优化的递归神经网络定子磁链观测器。利用训练样本对网络进行离线训练，通过训练过程中不断调整网络的权值和阈值，形成一个泛化能力强、结构简单的网络来实现电压、电流和磁链的非线性映射。将所建磁链观测器应用到开关磁阻电机直接转矩控制系统仿真中，仿真结果表明，对比传统递归神经网络磁链观测器，该方法不仅提高了收敛速度，而且具有很高的精确度和很强的泛化能力，证明了该方法的正确性和可行性。

简介：直线电机驱动的H型数控平台系统在加工零件时,负载扰动、外部干扰和两电机安装的差异与机械耦合会影响单轴的跟踪精度且会产生同步误差。针对此问题,本文首先用拉格朗日方法给H型平台建模,然后提出一种改进的非奇异终端滑模控制（NTSMC）来进行位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱了该控制所产生的抖振问题,提高了单轴的跟踪精度。在两轴间采用Sugeno型模糊神经网络（SFNN）补偿控制器来动态补偿H型平台的同步误差。通过模糊神经网络以任意精度逼近非线性系统的能力使同步误差在有限时间内趋近于零,以满足H型平台数控系统的高精度加工要求。仿真结果表明,所设计的控制系统能够有效提高系统的同步控制精度和鲁棒性。

简介：针对传统被动式孤岛检测法存在检测时间长、盲区（NDZ）大,而主动式孤岛检测法影响电能质量的缺点,提出一种新的基于小波包对数能量熵（WPLEE）与BP神经网络的孤岛检测方法。该方法首先采集公共耦合点（PCC）处的电压信号,再将该电压信号分别进行小波包变换,然后通过对数能量熵进行算法处理来获取适合于孤岛检测的特征向量,该特征向量通过BP神经网络进行模式识别来判断系统是否发生孤岛现象,特别在逆变器输出功率和本地负载功率匹配时。实验和仿真结果表明,该方法均能准确、有效地判断出是否存在孤岛状态,同时与传统的被动式孤岛检测方法相比检测速度快,检测盲区小,不会对电能质量产生不良影响。

简介：处理非线性和电弧炉电极调节系统的时变特性,内模控制器的设计。该控制器由两个RBF神经网络,用来确定控制对象和它的逆,以消除稳态误差,让输出跟踪输入。中心向量和网络的形状参数进行在线调节,从而加快了收敛速度,提高了抗干扰能力。仿真结果验证了该方法的有效性。

简介：由于常规PID控制难以满足电弧炉电极调节系统复杂的工况，本文将径向基函数（RBF）神经网络与PID控制相结合，提出RBF—PID参数整定方法。通过RBF神经网络对控制对象Jacobian信息的辨识，采用增量式PID梯度下降算法整定已有的PID参数，设计了RBF-PID电极调节系统控制器。仿真结果验证了RBF-PID控制器能够实时整定PID参数，实现电极调节系统快速、准确地控制。

简介：介绍了一种基于BP神经网络的PID控制器的设计方法，仿真实验结果表明该系统既保证了系统的稳态精度，又保证了系统的快速响应和鲁棒性。

简介：最大功率点跟踪（MPPT）控制可以使光伏模块最大程度地输出功率，因此成为增强光伏发电系统输出功率的一个研究热点。本文提出一种基于二进制蚁群模糊神经网络的光伏系统最大功率点跟踪控制策略，利用模糊神经网络代替传统的BP神经网络对最大功率点进行预测，解决了恒压控制法误差较大的问题；利用二进制蚁群算法对模糊神经网络权值进行优化，克服了其搜索速度慢、易陷入局部极小值的缺点；将得到的最大功率点电压输入恒电压控制算法中，然后通过恒压法对最大功率点进行跟踪。在所构建的仿真模型中模拟了不同光照强度和环境温度的仿真环境，结果表明所提出的MPPT控制策略准确性高、适应性强。