版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來，大量非線性負(fù)荷接入電網(wǎng)以及其它擾動源的存在，進(jìn)一步惡化了供電質(zhì)量；同時(shí)精密儀器和智能化設(shè)備的廣泛應(yīng)用，對供電質(zhì)量又提出了更加苛刻的要求。因此，對電能質(zhì)量擾動信號進(jìn)行研究與分析具有非常重要的意義。本文采用近年來信號處理領(lǐng)域的研究熱點(diǎn)——原子分解算法，來分析電能質(zhì)量擾動信號。
本文在分析Gabor原子庫的基礎(chǔ)上，針對其規(guī)模巨大無法實(shí)用化的問題，對其進(jìn)行合理的離散化處理；針對匹配追蹤算法(Matching Pursuit,M
2、P)存在的過匹配現(xiàn)象和非正交投影問題，采用正交匹配追蹤算法(Orthogonal Matching Pursuit,OMP)，將所選出的原子正交化，以改善算法收斂性；針對其計(jì)算量大的問題，提出采用粒子群算法(Particle Swarm Optimization,PSO)對其進(jìn)行優(yōu)化。并以四種擾動信號為例，研究分析基于Gabor原子庫的PSO-MP算法和PSO-OMP算法的信號重構(gòu)性能和收斂性，驗(yàn)證了PSO-OMP算法性能更優(yōu)。
3、 考慮到電能質(zhì)量擾動信號中存在一定的噪聲，研究了基于PSO-OMP算法的消噪原理及方法。通過實(shí)驗(yàn)手段提出了閾值判決方法，并得出閾值的選取與信號長度相關(guān)的結(jié)論。通過設(shè)置合理閾值，采用Gabor原子庫及PSO-OMP算法對常見的6種單一擾動信號和4種復(fù)合擾動信號進(jìn)行消噪處理，并與小波變換軟、硬閾值方法進(jìn)行比較分析。仿真結(jié)果表明，本文所提方法能有效的分離噪聲和信號，達(dá)到很好的消噪效果。
將PSO-OMP算法與RBF網(wǎng)絡(luò)相結(jié)合用作電
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于快速原子分解的電能質(zhì)量擾動分析方法研究.pdf
- 基于蟻群算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化算法.pdf
- 基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動分類.pdf
- 基于S變換和神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動檢測分類.pdf
- 基于差分進(jìn)化算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的盲均衡算法.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的呼市地區(qū)電能質(zhì)量擾動事件分類研究.pdf
- 基于遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)控制器.pdf
- 基于小波與神經(jīng)網(wǎng)絡(luò)算法的暫態(tài)電能質(zhì)量信號分析.pdf
- 基于LM改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- rbf神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究
- 基于NMFs和RBF神經(jīng)網(wǎng)絡(luò)的人臉識別算法研究.pdf
- 基于S變換和神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的認(rèn)知頻譜感知算法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的海雜波抑制算法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的γ能譜分析.pdf
- 基于相關(guān)原子庫的電能質(zhì)量擾動分析方法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的變壓邊力優(yōu)化研究.pdf
- 基于混合遞階遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf
- 文化算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)及應(yīng)用研究.pdf
評論
0/150
提交評論