摘要
本发明公开了一种互感器测试中微弱信号分量的动态特征提取方法及系统,其将小波神经网络与双稳态随机共振算法相结合,小波神经网络通过训练后可以学习得到最优参数,实现了双稳态随机共振算法模型的最优化,提高了微弱信号分量动态特征提取的精准度。并且小波神经网络采用残差神经网络结构,有效提升了小波神经网络深度的同时避免在训练过程中出现梯度消失或梯度爆炸等问题。还利用改进的麻雀搜索算法进行参数寻优,通过将神经网络优化问题转化为有限空间中求最优解的问题,有效提高了模型收敛速度和搜索精度,有效解决了因残差网络的深层网络结构带来的模型收敛速度慢、检测速度慢的问题,并且避免了现有麻雀搜索算法容易陷入局部最优的问题。
技术关键词
动态特征提取方法
小波神经网络
双稳态
互感器
残差神经网络
搜索算法
信号
参数
位置更新
电压
深层网络结构
模型训练模块
特征提取模块
噪声强度
数据获取模块
残差网络
算法模型
系统为您推荐了相关专利信息
协同管理方法
能源管理
电网调度指令
策略
光伏发电预测
数据采集装置
阻抗量测方法
电解电源
水电解制氢设备
量测系统
定量评估方法
多源异构数据
计量误差
计算机可执行指令
修正误差
BP神经网络模型
采集误差
电力设备
校正方法
电能表
无线传输方法
电力
分块
深度学习网络
残差神经网络