基于神经网络的CPT系统的负载识别算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·概述 | 第8-9页 |
| ·问题的提出 | 第8-9页 |
| ·国内外研究现状概述 | 第9-11页 |
| ·本课题的研究意义和内容 | 第11-12页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11页 |
| ·论文主要内容 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 2 基于不同电路模型的负载识别算法分析 | 第13-37页 |
| ·引言 | 第13页 |
| ·CPT 系统的工作原理及基本组成 | 第13-17页 |
| ·CPT 系统的工作原理 | 第13-14页 |
| ·CPT 系统的基本组成 | 第14-16页 |
| ·CPT 系统谐振补偿方式 | 第16-17页 |
| ·负载变化对系统的影响 | 第17-23页 |
| ·负载变化对初级回路谐振频率影响 | 第17-20页 |
| ·频率变化对输出功率的影响 | 第20-23页 |
| ·负载性质识别研究 | 第23-25页 |
| ·导轨支路相位角的检测算法 | 第23-25页 |
| ·不同电路模型的负载识别 | 第25-32页 |
| ·纯阻性负载的电路模型分析 | 第25-28页 |
| ·阻抗性负载的电路模型分析 | 第28-32页 |
| ·仿真结果 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 3 相关理论 | 第37-47页 |
| ·引言 | 第37页 |
| ·傅立叶变换的理论基础知识 | 第37-42页 |
| ·离散傅立叶变换 | 第37-42页 |
| ·神经网络基本理论分析 | 第42-46页 |
| ·神经网络概述 | 第42-43页 |
| ·神经网络应用 | 第43-44页 |
| ·BP 学习算法简述 | 第44-45页 |
| ·BP 网络的优缺点 | 第45页 |
| ·BP 网络的不足与改进 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于频域的傅立叶变换的应用分析 | 第47-52页 |
| ·引言 | 第47页 |
| ·基于频域抽取的快速傅立叶变换应用 | 第47-51页 |
| ·采样点的选择 | 第47页 |
| ·负载类型识别方法概述 | 第47页 |
| ·谐波分离的负载识别分析 | 第47-48页 |
| ·快速傅立叶变换的工程实现探讨 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于神经网络的负载识别算法分析 | 第52-63页 |
| ·引言 | 第52页 |
| ·神经网络模型的组成 | 第52-57页 |
| ·训练样本集与输入输出的选择 | 第52-53页 |
| ·网络输入输出数据的预处理 | 第53页 |
| ·多层前馈网络设计 | 第53-56页 |
| ·网络训练 | 第56页 |
| ·网络学习训练过程 | 第56-57页 |
| ·基于神经网络的负载识别实现 | 第57-58页 |
| ·仿真识别结果 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-70页 |
