基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于RBF神经网络的全新的电流保护方式.该网络采用的是3层RBF神经网络模型,由三部分构成:故障类型与相别判断子网络ANN1;故障方向判别子网络ANN2;振荡识别子网络ANN3.对该模型进行了各种故障状态的测试,进行了仿真实验,并与BP网络进行了比较,发现RBF网络训练速度快,且证实了基于RBF网络的电流保护的可行性.
推荐文章
基于RBF网络的断路器电流自适应保护研究
断路器
RBF神经网络
故障诊断
自适应保护
PSO算法
基于RBF神经网络的超高压继电保护的算法研究
径向基神经网络(RBFN)
超高压
继电保护
LLS
梯度下降法
基于BP神经网络和RBF神经网络的砂土基础液化判别
砂土液化
BP神经网络
RBF神经网络
预测
比较
基于RBF神经网络的水泥强度预测
神经网络
RBF神经网络
水泥强度
预测模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于RBF神经网络的电流保护
来源期刊 广东工业大学学报 学科 工学
关键词 电流保护 人工神经网络 RBF神经网络 BP网络
年,卷(期) 2001,(3) 所属期刊栏目
研究方向 页码范围 17-21
页数 5页 分类号 TP277
字数 2986字 语种 中文
DOI 10.3969/j.issn.1007-7162.2001.03.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈少华 广东工业大学自动化学院 80 772 15.0 23.0
2 张辉 广东工业大学自动化学院 10 119 5.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (36)
参考文献  (1)
节点文献
引证文献  (11)
同被引文献  (10)
二级引证文献  (13)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2002(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(4)
  • 引证文献(1)
  • 二级引证文献(3)
2006(3)
  • 引证文献(2)
  • 二级引证文献(1)
2007(1)
  • 引证文献(0)
  • 二级引证文献(1)
2008(4)
  • 引证文献(0)
  • 二级引证文献(4)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
电流保护
人工神经网络
RBF神经网络
BP网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广东工业大学学报
双月刊
1007-7162
44-1428/T
16开
广东省广州市东风东路729号
1974
chi
出版文献量(篇)
2262
总下载数(次)
2
总被引数(次)
11966
论文1v1指导