طبقه بندی پدیده فرورزونانس توسط شبکة عصبی کوانتیزه کننده برداری و بر اساس ویژگیهای استخراج شده توسط تبدیل موجک
Publish place: 21st International Power System Conference
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,524
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC21_096
تاریخ نمایه سازی: 27 آبان 1385
Abstract:
یکی از عوامل سوختن و خرابی ترانسفورماتورها در سیستم های قدرت، وقوع پدیده فرورزونانس است . بنابراین شناسایی پدیده فرورزونانس از اهمیت خاصی برخوردار است . در ایـن مقالــه کــارکرد شــبکة عصــبی یــادگ یری کــوانتیزه کننــده برداری ) ١( LVQ در طبقه بندی دو دسته سیگنال که دسـته اول شامل انواع فرورزونانس و دسـته دوم شـامل انـواع کلیـدزنی خازنی، کلیدزنی بار، کلیـدزنی ترانسـفورماتور مـی باشـد , بـا استفاده از ویژگیهای استخراج شـده توسـط تبـدیل موجـک ٢ خانوادة Daubechies تا شش س طح مورد بررسی قرار گرفتـه است . انرژی شش سیگنال جزئیات حاصـل از اعمـال تبـدیل موجک به عنوان ویژگیهای اسـتخراج شـده از الگوهـا، بـرای آموزش و امتحان شبکة عصبی LVQ بکار رفته است . در انتهـا نتایج این روش با نتایج الگوریتم فوق توسـط شـبکه عصـبی رقابتی مقایسه شده است
Keywords:
Authors
گیو مکریانی
دانشگاه آزاد اسلامی بوکان
محمودرضا حقی فام
دانشگاه تربیت مدرس
جمال اسماعیل پور
دانشگاه آزاد اسلامی بوکان