首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于神经网络的用电行为监测技术的研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-16页
    1.1 研究背景及意义第11页
    1.2 国内外研究现状与发展趋势第11-13页
    1.3 负载识别技术第13-14页
        1.3.1 功率特征第13页
        1.3.2 电流-电压轨迹特征第13-14页
        1.3.3 稳态特征第14页
        1.3.4 暂态特征第14页
        1.3.5 神经网络在负载识别中的研究现状第14页
    1.4 论文主要研究工作第14-15页
        1.4.1 论文主要研究内容第14页
        1.4.2 论文内容安排第14-15页
    1.5 本章小结第15-16页
第二章 神经网络理论模型第16-25页
    2.1 人工神经网络第16-19页
        2.1.1 神经网络的基本特点第16页
        2.1.2 神经元模型第16-17页
        2.1.3 神经元变换函数第17-19页
    2.2 单层计算单元-感知器第19-20页
    2.3 多层神经网络第20-21页
    2.4 BP神经网络第21-24页
        2.4.1 BP神经网络模型第21-22页
        2.4.2 BP神经网络应用第22-23页
        2.4.3 用电行为分类中的应用第23-24页
    2.5 本章小结第24-25页
第三章 用电行为特征提取与数据处理第25-39页
    3.1 负载识别相关技术研究第25-32页
        3.1.1 负载基本模型第25-27页
        3.1.2 非侵入数据采集第27页
        3.1.3 数据预处理第27-28页
        3.1.4 快速傅里叶变换第28-31页
        3.1.5 电流谐波特征第31-32页
    3.2 智能识别模型设计第32-36页
        3.2.1 BP神经网络结构设计第33-35页
        3.2.2 网络的传递函数第35-36页
        3.2.3 变学习率学习算法第36页
    3.3 欧式距离匹配算法第36-37页
    3.4 差分数据提取第37-38页
    3.5 本章小结第38-39页
第四章 系统总体设计与架构第39-44页
    4.1 系统设计目标第39页
    4.2 系统设计要求第39-40页
        4.2.1 系统设计原则要求第39-40页
        4.2.2 系统设计功能要求第40页
    4.3 系统整体结构设计第40-41页
    4.4 系统软件框架第41-43页
        4.4.1 系统实现方案第41-43页
        4.4.2 系统主要接口第43页
    4.5 本章小结第43-44页
第五章 用电行为监测系统设计与实现第44-65页
    5.1 系统软件工作流程第44-45页
    5.2 数据采集模块设计第45-49页
        5.2.1 电流霍尔传感器第45-46页
        5.2.2 奈奎斯特(Nyquist)采样定理第46-48页
        5.2.3 功率计算第48-49页
    5.3 通信模块设计第49-53页
        5.3.1 传输协议第49-51页
        5.3.2 应用层数据协议第51-52页
        5.3.3 超时与重传第52-53页
    5.4 BP神经网络分类系统训练第53-54页
        5.4.1 神经网络系统输入第53-54页
        5.4.2 神经网络系统输出设计第54页
    5.5 BP神经网络分类系统测试第54-56页
    5.6 监测系统平台架构第56-64页
        5.6.1 Spring-Boot框架第57-59页
        5.6.2 数据库设计第59-64页
    5.7 本章小结第64-65页
第六章 系统测试与分析第65-73页
    6.1 电流数据特征提取第65-68页
    6.2 BP用电行为监测系统终端平台第68-72页
    6.3 本章小结第72-73页
第七章 总结与展望第73-75页
    7.1 论文工作总结第73-74页
    7.2 展望第74-75页
致谢第75-76页
参考文献第76-80页
附录第80页

论文共80页,点击 下载论文
上一篇:基于Java的智能水质监控及预警软件设计与实现
下一篇:纳米硅/石墨烯—纳米碳管复合材料的制备及其性能研究