[发明专利]基于改进型小波神经网络的谐波检测方法

权利要求书

1.基于改进型小波神经网络的谐波检测方法，其特征在于，包括以下步骤：

S1.根据小波神经网络原理建立网络结构，选用单输入、单隐层、单输出结构；

S2.设定网络初始值，权值参数采用自相关修正方法，确定权值w_jk，根据权值确定伸缩参数a_j和平移参数b_j，隐含层传播函数选用Morlet小波函数，输入层节点数由信号的采样点数确定，隐含层节点数采用计算隐含层节点经验公式；

所述权值的自相关修正步骤为：

将区间[-1,1]上的随机数付给权值w_jk，再对w_jk进行归一化得到w'_jk：

再乘以自相关系数c：

w”_jk＝c·N^1/m·w'_jk

最终选定输入至隐含层的权值为：

伸缩和平移参数的初始自相关修正为：

x_kmax、x_kmin为样本输入到第k节点的最大值和最小值，t^*为Morlet小波函数时域中心，Δt为时域半径；

S3.确定网络训练算法，采用附加动量项的训练算法平滑权值学习路径。

2.根据权利要求1所述的基于改进型小波神经网络的谐波检测方法，其特征在于，所述S3权值的调整公式为：

网络输出误差对不同参数的梯度为：

3.根据权利要求2所述的基于改进型小波神经网络的谐波检测方法，其特征在于，所述自相关系数c的取值范围为[2.3，2.6]。

4.根据权利要求2所述的基于改进型小波神经网络的谐波检测方法，其特征在于，所述Morlet小波函数的时域中心为0，时域半径为0.7071。

5.根据权利要求2所述的基于改进型小波神经网络的谐波检测方法，其特征在于，所述Morlet小波函数的表达式为：

6.根据权利要求2所述的基于改进型小波神经网络的谐波检测方法，其特征在于，所述采样点数在基波周期T里，满足N＞2f_HT，f_H为谐波信号最高频率，N为隐含层节点数。

7.根据权利要求6所述的基于改进型小波神经网络的谐波检测方法，其特征在于，所述计算隐含层经验公式为N＝2×n+1，n为输入层节点的数目。