基于T-S模糊神经网络的电晕放电模式识别方法（英文）.pdfVIP

下载本文档

6
0
约3.26万字
约 7页
2017-09-12 发布于安徽
举报
版权申诉

基于T-S模糊神经网络的电晕放电模式识别方法（英文）.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 l6卷第 4期哈尔滨理工大学学报 V0l_16 No．4 2011年 8月 J0URNAL 0FHARBIN UNIVERSITY OFSCIENCEAND TECHNOLOGY Aug．2011 基于 T-S模糊神经网络的电晕放电模式识别方法赵大伟，郑殿春，张仲麟，吕树明 (哈尔滨理工大学电气与电子工程学院，黑龙江哈尔滨 150080) 摘要：提出了基于T—S模糊神经网络的电晕放电模式识别方法，设计制作了三类电晕放电实验模型，并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量，根据特征向量维数、隶属度函数类型及隶属度函数个数对 T—S模糊神经网络的拓扑结构进行分析，将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电晕放电的模式识别网络，并对此类网络进行训练和测试，结果表明此网络用于电晕放电模式识别是有效的．关键词：T—S模糊神经网络；隶属度函数；电晕放电；模式识别中图分类号：TM851 文献标志码：A 文章编号：1007—2683(2011)03—0045—06 A MethodofCoronaDischargePatternRecognition BasedonT—SFuzzyNeuralNetwork ZHAODa—wei， ZHENG Dian—chun， ZHANG Zhong—lin， Shu—ming (SchoolofElectricalandElectronicEngineering，HarbinUniversityofScienceandTechnology，Harbin150080，China) Abstract：T—Sfuzzyneuralnetwork (T—SFNN)ispresentedtorecognizethetypesofcoronadischarge． Threetypesofcoronadischargemodelaremade，themaximum，minimum，meanandfractaldimensionareextrac— tedfrom samplingcoronadischargesignalsandthenusedastheinputvectorsofneuralnetwork．T-SFNNtopologi- calstructureiSinvestigatedinaccordancewiththenumberofinputvectors．membershipfunctionsandthenumber ofmembershipfunctions．TheT—SFNN，with4inputneuronsand3Gaussianfunctions，isconfirmedasthepattern recognitionnetwork，andthenetworkaretrainedandtestedwiththeextractedfeatures．Resultsindicatethatthe methodiSeffective． Keywords：T—Sfuzzyneuralnetwork；membershipfunction；coronadischarge；patternrecognition high—voltageelectricalapparatusstatemonitoringand O Intr0ducti0n forecastprediction．Bythistime，muchefforthasbeen madeinapplyingneuralnetworkstothe