简介:摘要近年来,随着我国电网规模的不断扩大,气体绝缘组合电器的内部故障也逐渐增多,目前国际上主要采用对局部放电的超高频率检测来实现GIS故障情况的监测,然而局部放电信号是通过收集小波变换分析理论的方法,进行特征提取,这些方法只能起到去除噪声的功能,无法提供局部放电信号的详细数据,而且GIS故障大多分布于单个局部放电信号源的情况,对于多个局部放电源放电源同时存在的情况,不能做到良好的故障识别。GIS故障定位过程中很容易受到信号干扰,也无法获得准确的信息,定位较差,且存在覆盖不到的定位点,为有效解决这一问题,引入了目标识别算法进行GIS故障监测,还通过利用目标识别算法对于GIS的电力设备检测目标进行识别,根据图像的局部特征,找出电力设备需要检测的故障位置和特征,以便后期开展x射线检验工作。
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:摘要利用神经网络进行心电图识别时,存在神经网络网络结构、初始权值以及网络的动量因子、学习参数难以确定,易陷入局部极小、过拟合等问题。遗传算法具有很强的全局寻优能力,能以较大的概率找到全局最优解,提出一种改进的GA-BP混合训练算法,优化神经网络的权值和结构,应用于自动识别心电图,收到良好的效果。
简介:摘要院神经网络被广泛地应用于字符识别,通过对其难点问题的分析,为了提高字符识别率,本文应用改进型BP神经网络进行字符识别,该算法识别率高,速度快,可适用于多种高噪声环境中,实用性很强。
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:摘要 探索解析、处理及应用非结构化数据资源的方法,确定电力配网运检图像识别局部特征提取算法,对于配网运检图像识别的电力应用场景具有非常重要意义。因此,提出一种鲁棒性强、能够适应不同光照、不同位置等情况下能够有效识别目标的方法,对SIFT算法进行优化,利用SIFT构建图像识别局部尺度空间、关键点检测、消除错配点、关键点描述、关键点匹配与极值点的过滤等过程,采用神经网络对局部特征进行训练学习,对电力设备各个部位进行准确识别和分析,使其适用电力应用场景。