基于人工神经网络测量含谐波无功功率的快速算法设计与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·含谐波无功功率测量的意义 | 第7页 |
| ·含谐波无功功率测量的研究现状以及发展趋势 | 第7-8页 |
| ·研究现状 | 第7-8页 |
| ·发展趋势 | 第8页 |
| ·论文选题来源 | 第8-9页 |
| ·常用芯片 ADE7758 测量无功存在的问题 | 第8-9页 |
| ·研究方向与预期目标 | 第9页 |
| ·论文的主要内容与结构 | 第9-11页 |
| ·论文主要研究内容 | 第9-10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 无功功率测量算法概述 | 第11-31页 |
| ·无功功率的定义 | 第11-14页 |
| ·正弦波的无功功率定义 | 第11-12页 |
| ·非正弦波（含谐波）的无功功率定义 | 第12-14页 |
| ·无功测量的主要算法 | 第14-22页 |
| ·移相法 | 第14-16页 |
| ·快速傅里叶（FFT）算法 | 第16-19页 |
| ·希尔伯特（Hilbert）算法 | 第19-21页 |
| ·小波变换算法 | 第21页 |
| ·人工神经网络算法 | 第21-22页 |
| ·芯片 ADE7758 测量无功功率的误差研究 | 第22-26页 |
| ·芯片 ADE7758 测量无功的结构与算法 | 第22-25页 |
| ·芯片 ADE7758 测量无功的误差分析 | 第25-26页 |
| ·利用软件算法减小误差的主要设计思路 | 第26-27页 |
| ·无功测量的神经网络算法研究与分析 | 第27-30页 |
| ·神经网络概述 | 第27页 |
| ·神经网络的特性及适用范围 | 第27-29页 |
| ·神经网络在无功测量中的应用 | 第29页 |
| ·神经网络测量无功的难点分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于神经网络测量无功的快速算法设计与实现 | 第31-53页 |
| ·快速算法的设计开发流程 | 第31-32页 |
| ·快速算法的需求分析 | 第32-33页 |
| ·设计背景 | 第32页 |
| ·设计分析 | 第32页 |
| ·设计要求 | 第32-33页 |
| ·神经网络模型的选取 | 第33-34页 |
| ·网络模型的研究 | 第33-34页 |
| ·误差后向传播（BP）网络模型 | 第34页 |
| ·神经网络结构的设计 | 第34-41页 |
| ·节点级设计 | 第34-36页 |
| ·网络级设计 | 第36-41页 |
| ·神经网络学习算法的设计 | 第41-45页 |
| ·学习算法的研究 | 第41-43页 |
| ·权值直接确定法 | 第43-45页 |
| ·快速算法的性能优化 | 第45-50页 |
| ·权值系数矩阵的运算优化 | 第45-50页 |
| ·神经网络的初始化设计 | 第50页 |
| ·快速算法的编程实现 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于神经网络测量无功的快速算法仿真验证 | 第53-59页 |
| ·快速算法与各算法的对比与验证 | 第53-56页 |
| ·精度对比与验证 | 第53-54页 |
| ·性能对比与验证 | 第54-56页 |
| ·快速算法的硬件环境测试 | 第56-57页 |
| ·硬件环境 | 第56页 |
| ·算法植入 | 第56-57页 |
| ·测试结果 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
