روشی نو در تشخیص خطای گذرا از خطای مانا به کمک شبکه های عصبی و با استفاده از تبدیل Wavelet
محل انتشار: شانزدهمین کنفرانس بین المللی برق
سال انتشار: 1380
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,854
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC16_015
تاریخ نمایه سازی: 3 مهر 1386
چکیده مقاله:
در این مقاله یک شبکه عصبی مصنوعی با استفاده از تبدیل Wavelet برای طراحی سیستمهای بازبست اتوماتیک هوشمند مورد استفاده قرار گرفته است و روشی نو برای تشخیص خطای گذرا از خطای مانا ارائه شده است . برای طراحی این سیستم هوشمند، با شبیه سازی خطای مانا و خطای گذرا در شبکه قدرت سیگنالهای خطا بازسازی شده اند . سپس با اعمال تبدیل Wavelet روی سیگنالهای بدست آمده، طیفهای فرکانسی متفاوت آنها استخراج می گردد . آنگاه نتایج بدست آمده به شبکه عصبی اعمال می شوند . قوانین یادگیری معمولی با روش پس انتشار خطا برای آموزش شبکه انتخاب شده است . شبکه آموزش داده شده، سپس با تعدادی ورودی تست که به روش مشابهی با اطلاعات آموزش تولید شده اند، آزمایش شده است و مشاهده می گردد که این سیستم به طور دقیقی بین خطای دائمی و گذرا تمایز قائل می شود و آنها را از هم تشخیص می دهد . تبدیل Wavelet این امکان را فراهم می سازد که در زمان بسیار کوتاهتری داده های مورد نیاز جهت تشخیص خطا ایجاد گردد . این مطالعه نشان می دهد که روش ارائه شده می تواند به عنوان یک راه حل موثر در طراحی سیستمهای بازبست اتوماتیک پیشرفته و هوشمند به کار گرفته شود .
کلیدواژه ها:
نویسندگان
حسن رستگار
دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ( قطب علمی قدرت )
مهدی طالشیان
دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر ( قطب علمی قدرت )
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :