《电力系统自动化》课程教学资源（理论课程资料）数据采集处理_电力系统数据预处理_一种能滤除衰减直流分量的交流采样新算法

《电力系统自动化》课程教学资源（理论课程资料）数据采集处理_交流采样原理_电力系统数据采样的几种同步方法

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性

《电力系统自动化》课程教学资源（理论课程资料）电力数据通信_差错控制方式_基于电力线通讯的数据差错控制方式的应用

《电力系统自动化》课程教学资源（理论课程资料）电力数据通信_相关标准_电力系统实时数据通信应用层协议

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

为了剔除GPS边坡位移监测过程中的噪声干扰,提高监测数据的有效性,特引入随机线性卡尔曼滤波离散数学模型.以水厂铁矿GPS边坡监测数据为依据,利用该数学模型可以计算出各监测点每期变形量的滤波值和位移速度,并对各监测点下一期的变形量进行估算和预测.经实例验证,卡尔曼滤波变形量与实际变形量有较好的一致性

构建了以FPGA为核心芯片的高速图像采集与处理系统,图形采集频率可达13.5MHz.在该系统中,采用了视频A/D芯片SAA7111A将电视信号转换成数字信号,并由FPGA作为控制器将数字信号存入SRAM中,以便进行处理,提取有用数据;系统还采用了EZUSB2131Q芯片来进行处理后的数据与PC机的传输

人工神经网络为学习实数值和向量值函数提供了一种实际的方法，对于连续值和离散值的属性都可以使用，并且对训练数据中的噪声具有很好的健壮性。反向传播算法是最常见的网络学习算法。反向传播算法考虑的假设空间是固定连接的有权网络所能表示的所有函数的空间。包含3层单元的前馈网络能够以任意精度逼近任意函数，只要每一层有足够数量的单元。即使是一个实际大小的网络也能够表示很大范围的高度非线性函数。反向传播算法使用梯度下降方法搜索可能假设的空间，迭代减小网络的误差以拟合训练数据

第一个程序 第二个程序 变量定义 数据类型 符号常量 算术表达式 赋值表达式 自增自减运算符 强制类型转换 数据的输入输出