低压电器
低壓電器
저압전기
LOW VOLTAGE APPARATUS
2014年
2期
13-17
,共5页
邵士良%迟长春%张祯海%练正兵
邵士良%遲長春%張禎海%練正兵
소사량%지장춘%장정해%련정병
永磁机构%极限学习机算法%BP神经网络%时间预测
永磁機構%極限學習機算法%BP神經網絡%時間預測
영자궤구%겁한학습궤산법%BP신경망락%시간예측
常规永磁操动机构的动作时间补偿的预测是采用加权平均值算法、多元线性回归法和人工神经网络算法(ANN)等对动触头的分/合闸时间进行估计和预测,但是加权平均系数的计算和线性回归系数的求解比较繁琐,而ANN网络具有训练速度慢、容易陷入局部极小点、学习率的选择难以确定等诸多缺点.研究了采用极限学习机(ELM)算法和BP神经网络算法,利用Matlab软件对永磁机构动作时间进行预测,通过对比分析,得到性能较好的算法.
常規永磁操動機構的動作時間補償的預測是採用加權平均值算法、多元線性迴歸法和人工神經網絡算法(ANN)等對動觸頭的分/閤閘時間進行估計和預測,但是加權平均繫數的計算和線性迴歸繫數的求解比較繁瑣,而ANN網絡具有訓練速度慢、容易陷入跼部極小點、學習率的選擇難以確定等諸多缺點.研究瞭採用極限學習機(ELM)算法和BP神經網絡算法,利用Matlab軟件對永磁機構動作時間進行預測,通過對比分析,得到性能較好的算法.
상규영자조동궤구적동작시간보상적예측시채용가권평균치산법、다원선성회귀법화인공신경망락산법(ANN)등대동촉두적분/합갑시간진행고계화예측,단시가권평균계수적계산화선성회귀계수적구해비교번쇄,이ANN망락구유훈련속도만、용역함입국부겁소점、학습솔적선택난이학정등제다결점.연구료채용겁한학습궤(ELM)산법화BP신경망락산법,이용Matlab연건대영자궤구동작시간진행예측,통과대비분석,득도성능교호적산법.
