| 【中文题名】 | RBF神经网络及其在电力谐波测量中的应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 控制理论与工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2001-10-26 |
| 【中关键词】 | RBF网络,谐波,测量,BP网络,, |
| 【英关键词】 | RBF neural network,harmonics,measurement,BP network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文采用一种基于人工神经网络的谐波测量方法，利用模拟并行谐波测
量装置的的基本原理，构造一个径向基函数神经网络（RBFNN），给出网络的
训练算法、步骤以及阈值参数的选取原则。并根据电力系统中谐波的主要特
点，分析和研究训练样本的形成方法，建立一个多输入多输出的网络结构，
与应用反向传播算法（BP）训练的网络进行比较研究。仿真结果说明这一方法
的可行性和有效性。 |
| 【论文题纲】 |
|
第一章 绪论 |
7-13 |
|
1．1 硬件测量方法 |
7-8 |
|
1．2 软件测量方法 |
8-9 |
|
1．3 谐波测量的新兴研究方向 |
9-12 |
|
1．4 本文所作的主要工作 |
12-13 |
|
第二章 RBF神经网络理论基础 |
13-19 |
|
2．1 人工神经网络发展概要及现状 |
13-14 |
|
2．2 神经网络的特点和基本原理 |
14-15 |
|
2．3 RBF神经网络的兴起 |
15-16 |
|
2．4 RBF神经网络的结构 |
16 |
|
2．5 RBF神经网络的映射关系 |
16-17 |
|
2．6 RBF神经网络的映射机理 |
17-19 |
|
第三章 RBF神经网络训练算法设计 |
19-28 |
|
3．1 RBF神经网络的训练算法概述、分类和比较 |
19-20 |
|
3．2 在线训练算法的构成 |
20-25 |
|
3．2．1 在线分配隐单元 |
21-22 |
|
3．2．2 网络参数校正 |
22-25 |
|
3．3 阈值的选取 |
25-26 |
|
3．4 RBF网络参数初始值的确定 |
26-27 |
|
3．5 小结 |
27-28 |
|
第四章 RBF网络用于谐波测量设计 |
28-33 |
|
4．1 电力谐波的产生及危害 |
28-29 |
|
4．2 基本设想 |
29-30 |
|
4．3 谐波的主要特点 |
30-31 |
|
4．4 网络构成 |
31 |
|
4．5 训练样本的形成 |
31-33 |
|
第五章 仿真研究 |
33-53 |
|
5．1 神经网络训练仿真的主要内容及要求 |
33-34 |
|
5．2 仿真程序设计 |
34-36 |
|
5．3 用于比较的BP网络 |
36-38 |
|
5．4 比较研究 |
38-45 |
|
5．4．1 BP网络仿真 |
38-40 |
|
5．4．2 RBF网络仿真 |
40-43 |
|
5．4．3 仿真结论 |
43-45 |
|
5．5 用于谐波测量的RBF网络训练 |
45-50 |
|
5．6 总结 |
50-53 |
|
第六章 结论与展望 |
53-55 |
|
参考文献 |
55-57 |
|
附录 |
57-64 |
|
致谢 |
64 |
|
| 【DOI】 | LunWen.ID:2.2008.386398 |
