Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2020

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Faults detection and classification on parallel transmission lines using modified Clarke’s transformation-ANN approach

100%

Saini M. , Yunus S. , Sulthan A. R. , Djalal M. R. , Mustafa M. W. , Rahimuddin R. , Kitta I.

Przegląd Elektrotechniczny

2020

tom R. 96, nr 4

23--27

This paper introduces a comparative study for fault detection and classification on parallel transmission line using cascade forward and feed forward back propagation. Both calculations were based on discrete wavelet transform (DWT) and Clarke’s transformation. Daubechies4 mother wavelet (Db4) was applied to decompose coefficients of wavelet transforms coefficients (WTC) and wavelet energy coefficients (WEC) of high frequency signals. The coefficients were inputs for training of neural network back-propagation (BPNN). The results showed that the feed forward back propagation algorithm of Artificial Neural Network (ANN) models responded better than Cascade forward back propagation algorithm models, particularly in fault detection and classification on parallel transmission. The results showed that the proposed method for fault analysis was able to classify all the faults on the parallel transmission line rapidly and correctly.

W pracy przedstawiono badanie porównawcze wykrywania i klasyfikacji uszkodzeń równoległej linii przesyłowej z wykorzystaniem propagacji kaskadowej do przodu i do tyłu. Oba obliczenia oparto na dyskretnej transformacie falkowej (DWT) i transformacji Clarke'a. Falkę macierzystą Daubechies4 (Db4) zastosowano do dekompozycji współczynników przekształceń falkowych (WTC) i współczynników energii falkowej (WEC) sygnałów wysokiej częstotliwości. Współczynniki stanowiły dane wejściowe do szkolenia propagacji wstecznej sieci neuronowej (BPNN). Wyniki pokazały, że algorytm propagacji wstecznego sprzężenia zwrotnego modeli sztucznej sieci neuronowej (ANN) zareagował lepiej niż modele algorytmu kaskadowego propagacji wstecznej, szczególnie w wykrywaniu błędów i klasyfikacji w transmisji równoległej. Wyniki pokazały, że zaproponowana metoda analizy uszkodzeń była w stanie szybko i poprawnie sklasyfikować wszystkie uszkodzenia na równoległej linii przesyłowej.