CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

طبقه بندی پدیده فرورزونانس توسط شبکة عصبی کوانتیزه کننده برداری و بر اساس ویژگیهای استخراج شده توسط تبدیل موجک

عنوان مقاله: طبقه بندی پدیده فرورزونانس توسط شبکة عصبی کوانتیزه کننده برداری و بر اساس ویژگیهای استخراج شده توسط تبدیل موجک
شناسه ملی مقاله: PSC21_096
منتشر شده در بیست و یکمین کنفرانس بین المللی برق در سال 1385
مشخصات نویسندگان مقاله:

گیو مکریانی - دانشگاه آزاد اسلامی بوکان
محمودرضا حقی فام - دانشگاه تربیت مدرس
جمال اسماعیل پور - دانشگاه آزاد اسلامی بوکان

خلاصه مقاله:
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

کلمات کلیدی:
EMTP ، تبدیل موجک، پدیده فرورزونانس , نرم افزار LVQ شبکة عصبی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/19680/