简介:将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。
简介:将Hilbert-Huang变换(HHT)算法和Prony算法相结合进行电力系统低频振荡模式识别。利用HHT算法对实测信号进行经验模态分解,使之分解成处于不同频率的固有模态函数(IMF);然后根据Hilbert变换,分析IMF分量的频率和相位,提取出含主导低频振荡模式的IMF;利用Prony算法对含低频振荡模式的IMF进行分析,提取出低频振荡模态参数,准确识别低频振荡模态。通过算例分析,证明了该方法可提高模态识别的精确性,验证了提取低频振荡模态参数的有效性。
简介:在分析Nuttall窗、Kaiser窗频谱特性的基础上,研究了加Nuttall-Kaiser组合窗三峰插值快速傅立叶变换(FFT)谐波分析算法。通过对Nuttall窗和Kaiser窗赋以一定的权重系数来构造组合窗的频谱函数,结合三峰插值法,进行多项式拟合逼近,由此推导出含有谐波分量的信号的各个参数计算公式。通过仿真验证了该组合窗三峰插值FFT算法有很强的频谱泄漏抑制能力和很小的幅值相位相对误差,极大提高了参数的计算精度。并将该算法应用到电能质量监测装置上,通过对比实验,验证了算法的可行性与实用性。