基于改进神经网络的谐波分析虚拟仪器研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 谐波的概念和产生机制 | 第9-10页 |
| 1.2 谐波污染的危害 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 谐波分析方法发展动态 | 第11-15页 |
| 1.3.2 谐波分析仪器演变历程 | 第15-16页 |
| 1.4 本文的研究内容 | 第16-17页 |
| 第二章 神经网络谐波检测方法研究 | 第17-33页 |
| 2.1 神经网络方法概述 | 第17-21页 |
| 2.1.1 神经元感知理论 | 第17-19页 |
| 2.1.2 神经网络性能分析 | 第19-20页 |
| 2.1.3 神经网络学习过程 | 第20-21页 |
| 2.2 BP神经网络模型的建立 | 第21-25页 |
| 2.2.1 多层网络构架 | 第21-22页 |
| 2.2.2 学习算法的数学表达 | 第22-25页 |
| 2.3 BP学习算法的不足 | 第25页 |
| 2.4 BP神经网络的改进研究 | 第25-29页 |
| 2.4.1 改进策略 | 第25-26页 |
| 2.4.2 仿真分析和验证 | 第26-29页 |
| 2.5 BP神经网络谐波检测 | 第29-33页 |
| 2.5.1 BP神经网络谐波检测原理 | 第29-30页 |
| 2.5.2 学习样本的选择 | 第30页 |
| 2.5.3 仿真分析和验证 | 第30-33页 |
| 第三章 蚁群优化的神经网络谐波检测方法研究 | 第33-50页 |
| 3.1 蚁群算法基础 | 第33-34页 |
| 3.2 蚁群算法模型的建立 | 第34-38页 |
| 3.2.1 旅行商问题描述 | 第34-35页 |
| 3.2.2 蚁群算法的数学模型 | 第35-38页 |
| 3.3 蚁群算法性能分析 | 第38-39页 |
| 3.4 蚁群算法的改进研究 | 第39-45页 |
| 3.4.1 精英蚂蚁 | 第39-40页 |
| 3.4.2 优化排序 | 第40-42页 |
| 3.4.3 改进的蚁群算法性能分析 | 第42-45页 |
| 3.5 蚁群改进的神经网络谐波检测 | 第45-50页 |
| 3.5.1 蚁群优化神经网络的策略 | 第45-47页 |
| 3.5.2 仿真分析和验证 | 第47-50页 |
| 第四章 改进神经网络的谐波分析虚拟仪器设计 | 第50-57页 |
| 4.1 虚拟仪器基础 | 第50-52页 |
| 4.2 功能开发和界面设计 | 第52-55页 |
| 4.2.1 登陆窗口 | 第52-53页 |
| 4.2.2 蚁群-TSP研究 | 第53-54页 |
| 4.2.3 谐波分析 | 第54-55页 |
| 4.2.4 数据存档 | 第55页 |
| 4.3 实验分析 | 第55-57页 |
| 第五章 结束语 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
