基于量子神经网络的电力电子电路故障诊断

针对电力电子电路故障诊断时故障模式间存在交叉数据的模式识别问题,在量子计算和人工神经网络结合的基础上,提出了一种基于量子神经网络的故障诊断方法,并以双桥12相脉波整流电路为例进行故障诊断.实验结果表明:量子神经网络有一种固有的模糊性,它能将不确定性数据合理地分配到各故障模式中,从而使网络具有高性能、更好的鲁棒性和省时的特点,且能正确地识别大部分的样本故障模式,成功地完成电力电子电路的故障诊断.     

电力负荷的径向基函数神经网络模型预测

由于基于反向传播(back propagation,BP)的神经网络模型自身固有的缺点,其电力负荷预测结果不理想,而径向基函数(radial basis function,RBF)神经网络模型具有全局逼近的性质,不存在局部最小问题,为此,针对中长期电力负荷预测,给出了RBF的预测原理,推导权值的更新方式,并和BP方法结果进行对比分析,结果证明基于RBF神经网络模型的方法收敛速度快、预报精度高、误差小。     

基于双目标混沌粒子群算法的射频天线宽带阻抗匹配

考虑实际阻抗匹配网络的非理想因素,为兼顾射频天线的驻波比小和功率传输效率高的目标,提出一种基于混沌粒子群算法的射频天线阻抗匹配方法,利用双目标优化混沌粒子群算法实现单频率点的阻抗匹配,实验结果证明实现的驻波比与输出功率性能都有所提高。另外结合实频法进行宽带阻抗匹配,选取2G,3G与4G移动通信技术的工作频段进行实验,结果表明在整个工作频段都能实现良好的阻抗匹配效果与传输效率。     

无模型自适应模糊算法的多晶硅棒温度控制

多晶硅还原炉硅棒表面温度控制既要保证硅棒表面在最佳反应温度,又不要使其波动较大。由于多晶硅生产过程中的气相沉积反应使硅棒电气结构发生变化,因而存在很强的耦合作用和非线性特性。提出了以无模型自适应模糊控制器为主控制器,以PI为副控制器的双闭环结构的控制系统,采用基于无模型自适应控制器的结构,根据无模型自适应控制器的参数学习因子和步长序列对系统动态性能影响趋势,使用模糊自适应方法,通过模糊规则在线修正无模型自适应控制器的学习因子和步长序列两个参数,使温度控制系统既能保证收敛稳定性,又能提高系统对于温度控制的动态性能。仿真结果表明了该控制方法的有效性。     

大规模电路故障诊断神经网络方法

提出了一种采用BP神经网络诊断大规模电路故障的新方法。介绍了故障诊断的原则及BP网络的算法,并给出了仿真实例。实验证明所提出的方法是有效可行的。     

基于CCCII的电感及高阶Butterworth滤波器实现

利用控制传输器(CCCII)构造了模拟电感电路,并在此基础上实现了高阶Butterworth滤波器。PSPICE计算机仿真证实了此模拟电感符合设计要求,并可进一步推广至更高阶高通滤波器的设计。     

SystemView与MATLAB数据通信的研究

在很多应用场合,需要在System View与MATLAB之向进行数据通信。本文提出了一种以M-LINK为桥梁的通信方式,并给出了具体操作步骤。为了验证通信方式的可行性,以PCM为例,探讨如何通过M-LINK模块进行两种软件的数据通信,实现通信系统联合仿真。仿真结果表明,本文提出的通信方式是可行的。     

模拟电路故障诊断的小波方法

利用小波变换与神经网络相结合的(WNT)方法,将小波作为消噪工具,对信号进行消噪和小波多尺度分解,提取特征信息。并从函数型和权值型小波神经网络中寻找最优故障辨识器,提出了模拟电路故障诊断的系统方法。本文详述了其诊断原理及诊断步骤,并给出了诊断实例。     

配电网行波定位优化配置新方法

为提高配电网故障行波定位的经济性,本文提出一种定位装置优化配置方法。首先基于图论知识对配电网进行分层,将无下一层起始端点的线路定义为独立支路;再通过反推法分析得到,含有独立支路的T型线路,只在其3个顶点配置定位装置,即可实现故障定位,不需在独立支路配置。通过PSCAD/EMTDC仿真软件验证,结果表明优化配置后的定位精度与文献相当,但是定位装置数量分别减少了40%、50%,且故障定位结果不受过渡电阻和故障初始角的影响,大大提高了配电网行波定位的经济性。     

非对称边界变异的分层并行量子粒子群算法

针对粒子群算法在非对称可行性区间经常发生越界的问题, 提出了一种非对称边界变异的分层并行量子粒子群算法(MQPSOBV)。该算法中引入分层思想, 将粒子非对称可行性区间分层设置和并行运行; 当粒子越界时, 对越界粒子在非对称上下边界进行相应变异, 从而使算法完全控制粒子越界行为, 有效地克服了粒子群算法的缺陷。测试结果表明, 该算法在精度和全局搜索能力方面有了很大的提高, 具有一定的实际应用价值。