基于多特征提取及优化神经网络的电能质量扰动识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 电能质量问题的国内外研究 | 第11-15页 |
| 1.2.1 扰动特征提取方法及研究进展 | 第11-13页 |
| 1.2.2 模式识别方法研究进展 | 第13-15页 |
| 1.3 粒子群算法及差分进化算法的研究现状 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-18页 |
| 第2章 电能质量问题分析及扰动信号建模 | 第18-28页 |
| 2.1 电能质量概述 | 第18-21页 |
| 2.1.1 电能质量定义 | 第18-19页 |
| 2.1.2 电能质量标准 | 第19页 |
| 2.1.3 电能质量分类 | 第19-21页 |
| 2.2 电能质量扰动信号的数学模型 | 第21-27页 |
| 2.2.1 单一扰动信号建模 | 第21-25页 |
| 2.2.2 复合扰动信号建模 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 特征提取与特征评价 | 第28-41页 |
| 3.1 小波变换 | 第28-30页 |
| 3.2 小波特征提取及其实验分析 | 第30-34页 |
| 3.3 HHT变换及其实验分析 | 第34-37页 |
| 3.4 特征评价 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于改进PSO-DE算法优化BP神经网络 | 第41-54页 |
| 4.1 BP神经网络 | 第41-45页 |
| 4.1.1 BP网络结构 | 第41-42页 |
| 4.1.2 BP网络的学习规则 | 第42-44页 |
| 4.1.3 BP网络的改进 | 第44-45页 |
| 4.2 粒子群算法 | 第45-48页 |
| 4.2.1 PSO算法的基本原理 | 第45-46页 |
| 4.2.2 标准粒子群算法 | 第46-47页 |
| 4.2.3 改进粒子群算法 | 第47-48页 |
| 4.3 差分进化算法 | 第48-49页 |
| 4.4 基于改进PSO-DE优化的神经网络模型 | 第49-53页 |
| 4.4.1 PSO-DE算法思路 | 第49-51页 |
| 4.4.2 PSO-DE混合算法优化BP神经网络 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 仿真分析 | 第54-72页 |
| 5.1 多类型特征提取 | 第55-60页 |
| 5.2 混合式特征选择 | 第60-65页 |
| 5.2.1 利用相关性筛选特征 | 第60-61页 |
| 5.2.2 结合分类方法选择特征 | 第61-62页 |
| 5.2.3 选择结果分析 | 第62-65页 |
| 5.3 结果分析 | 第65-69页 |
| 5.3.1 参数设置 | 第65-68页 |
| 5.3.2 性能比较 | 第68-69页 |
| 5.4 工程实例 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第78-79页 |
| 致谢 | 第79页 |
