电磁发射装置对位置检测系统有高可靠性和高分辨率等要求,正交编码算法可以很好地满足这些要求。本文设计了一套由互为冗余的2组正交编码组合而成的位置检测系统及其脉冲信号处理规则,研究了正常正交编码信号的特征,分析了常见的异常脉冲信号特点并提出了异常脉冲的判断条件。 分析了不接地IT系统故障前后对地电压变化量随接地电阻的变化过程,得出了故障前后系统对地电压变化量与故障相别的关系。对地电压变化量最大相的相位滞后相或者超前相为故障相,N线发生故障时系统对地电压变化量较小。结合SOM神经网络和BP神经网络的优点,提出了基于SOM-BP复合神经网络的故障相判别方法。利用实际工程试验数据进行了测试,结果表明SOM-BP复合神经网络经训练后能够准确判断故障相别。 研究31图3SOM-BP复合神经网络拓扑结构图3SOM-BP复合神经网络的设计步骤系统发生绝缘故障后，故障相的特征受系统分布电容、复合神经网络-数控滚圆机滚弧机折弯机张家港液压钢管滚圆机滚弧机折弯机阻抗不平衡及接地电阻大小等因素的影响，其电气参数变化的规律较为复杂，产生影响的主要为电压参数。因此，将故障前后系统所有电压信号作为复合神经网络的输入，本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com利用SOM神经网络对数据进行聚类，再把聚类结果即SOM神经网络的兴奋神经元位置信息输入BP神经网络，通过BP神经网络进行故障相的识别。SOM-BP复合神经网络各层设计如下：3.1输入层设计系统发生接地故障后，会对各相对地电压产生影响，且不同的相别发生故障后对电压的影响不同，根据故障前后的电压情况可以判断故障相别。因此，将复合神经网络的输入层神经元数目神经网络将四种故障状态聚类为四种模式，且四种模式在二维竞争层所占的区域有较明显的边界。图4训练后兴奋神经元位置在复合神经网络中，位置信息是BP神经网络的输入矩阵，对应的故障相别信息作为目标输出，训练次数为50，训练目标为0，对BP神经网络进行训练。BP神经网络训练完后，选取表2中接地电阻Rf为1kΩ时的四组数据对SOM-BP复合神经网络进行测试，输出矩阵Y如表3所示。为与传统故障相判别方法比较，本文列出了传统方法对同一数据的判别结果，比较结果如表3所示。图5训练后领域神经元距离权值表2原型系统中的故障前后系统数据表3两种方法比较由表3的比较结果，可以判定SOM-BP复合神经网络判别方法满足选相要求，可以准确判定A、B、C三相和N线接地故障，准确度高于传统判别方法。5结论针对绝缘故障诊断过程中存在多种因素影响，分析了故障前后系统对地电压的变化量随接地电阻的变化规律。从数据融合的角度出发，结合SOM神经网络和BP神经网络的特点和优势，提出了基于SOM-BP复合神经网络的故障相判别方法，给出了复合神经网络的设计步骤。根据实际工程的试验数据进行了测试，与传统故障相判别方法进行了比较，结果表明SOM-BP复合神经网络可准确判别A、B、C三相和N线的单相接地故障，相对传统方法有更高的精度。复合神经网络-数控滚圆机滚弧机折弯机张家港液压钢管滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com