排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
为了在电力系统不同故障位置、故障时刻和噪声环境中准确识别暂态故障类型,提出基于机器学习的电力系统暂态故障事件智能识别方法。将暂态故障结构特征值作为量子粒子群优化径向基神经网络模型的输入向量,通过选取合适的参数编码策略、适应度函数以及终止条件,输出优化后径向基神经网络最优参数,完成故障事件智能识别。仿真实验结果表明,该方法采用量子粒子群优化算法(QPSO)优化径向基函数(RBF)神经网络可以获取最佳训练参数,训练时间为3.561s,训练误差为0.000 257 7,可在不同故障位置、故障时刻和噪声环境下正确识别暂态故障类型,且识别效率优势显著。 相似文献
5.
6.
7.
采用相转化法制备聚砜(PSF)平板超滤膜,通过正交试验确定了较佳制膜条件和各影响因素对膜性能的影响程度(PSF含量>溶剂种类>PVP含量>蒸发时间).在综合考虑经济性和膜性能优化的前提下,由单因素试验探讨了PSF含量、添加剂聚乙烯吡咯烷酮(PVP)含量及第2种溶剂N-甲基吡咯烷酮、二甲基亚砜的添加量对膜性能的影响.结果表明,最优化制膜条件为:PSF和PVP的质量分数分别为13.5%和3%,溶剂为二甲基亚砜和二甲基甲酰胺混合物且体积比为1:5,蒸发时间为10 s.在此条件下,膜将保持原有高截留率并使纯水通量得到较大提高. 相似文献
8.
9.
10.