适应衰减直流分量估计的特定神经网络模型

• 作者: 肖秀春 闫敬文 陈柏桃
• 来源期刊: 扬州大学学报（自然科学版）
• 学科: 工学
• 关键词: 衰减直流分量 参数估计 神经网络模型 Levenberg-Marquardt算法
• 年，卷（期）: 2018,（2）
• 页码范围: 50-54
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2018.02.013

摘要

为了估计出曲线函数的参数,提出了一种特定神经网络应用于图形曲线的函数拟合,并针对故障电流信号中包含的指数衰减直流分量降低继电保护操作的精度和效率等问题,构造了一种适应衰减直流分量估计的神经网络模型(decaying DC neural network,DDCNN),推导出基于Levenberg-Marquardt算法的网络权值自适应学习方法.该模型与包含衰减直流分量故障电流信号模型的数学表达式一致,在迭代求解神经网络的权值后,可直接由权值估计出衰减直流分量的所有参数.实验仿真结果及对比分析表明,本文算法能获得比现有算法更高的估计精度,且其计算代价能够满足应用需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫敬文		33	404	10.0	19.0
2	肖秀春		1	0	0.0	0.0
3	陈柏桃		1	0	0.0	0.0