專利名稱：應(yīng)用于電流傳感器角差在線監(jiān)測(cè)系統(tǒng)的信號(hào)分離擇優(yōu)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電流信號(hào)高精度分離技術(shù)領(lǐng)域，尤其涉及一種對(duì)電流傳感
器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分量分析(ICA)電流信號(hào)分離模塊的輸出結(jié) 果進(jìn)行分離擇優(yōu)的方法，即一種應(yīng)用于電流傳感器角差在線監(jiān)測(cè)系統(tǒng)的信 號(hào)分離擇優(yōu)方法。
背景技術(shù)：
目前應(yīng)用于各種電力設(shè)備絕緣在線監(jiān)測(cè)的電流傳感器，都是用高導(dǎo)磁 材料作為磁芯繞制而成。在實(shí)驗(yàn)室環(huán)境下進(jìn)行測(cè)試，這類電流傳感器對(duì)電 流信號(hào)角差的監(jiān)測(cè)能夠達(dá)到較高的精度，同時(shí)其穩(wěn)定性也能滿足測(cè)量的要 求。但實(shí)際在線運(yùn)行后，由于現(xiàn)場的強(qiáng)電磁干擾、環(huán)境溫度及濕度的大幅 度變化、強(qiáng)沖擊電流等對(duì)磁性材料的作用，使得電流傳感器磁芯的性能發(fā) 降低。另一方面，電流傳感器中的電子電路同樣會(huì)受電磁干擾、工作溫度 及濕度、器件老化等影響，使得輸出信號(hào)的幅度變比，特別是角差特性發(fā) 生較大變化。
因此，要對(duì)電流傳感器的角差進(jìn)行實(shí)時(shí)監(jiān)測(cè)，以保證絕緣在線監(jiān)測(cè)系 統(tǒng)在實(shí)際運(yùn)行中能夠獲得高精度、穩(wěn)定可靠的測(cè)量結(jié)果。
一種在線監(jiān)測(cè)電流傳感器角差系統(tǒng)，是人為在傳感器的輸入端加入己 知頻率和相位的單頻正弦測(cè)試電流，在輸出端得到的是正常工作時(shí)的輸出 電流與測(cè)試電流的混合。采用獨(dú)立分量分析(ICA)方法將測(cè)試信號(hào)和電 流傳感器的原始輸出電流分離，通過比較測(cè)試信號(hào)輸入與輸出前后相位變 化來確定電流傳感器的相位差。這樣就可以通過計(jì)算機(jī)軟件的方法，在電 流傳感器監(jiān)測(cè)電力設(shè)備正常工作的電流的同時(shí)獲得它的相位差，從而實(shí)現(xiàn) 在線測(cè)量。
采用ICA方法來分離混合信號(hào)存在的最主要的問題就是估計(jì)出來的 獨(dú)立源分量接近于其真實(shí)值的程度是未知的。這種情況是由多種原因造成的
ICA方法要求各源分量是統(tǒng)計(jì)獨(dú)立的，且其中至多有一個(gè)分量是高斯
分布的。然而實(shí)際應(yīng)用中真實(shí)數(shù)據(jù)并不能嚴(yán)格符合ICA的模型。
ICA方法使用的隨機(jī)產(chǎn)生的初始混合矩陣，在計(jì)算的過程中可能會(huì)收
斂于不同的局部最小值。
混合信號(hào)的抽樣點(diǎn)數(shù)是有限的，這也會(huì)引入統(tǒng)計(jì)誤差。
因此，有必要對(duì)ICA分離的結(jié)果進(jìn)行評(píng)價(jià)，研究它的可靠性。對(duì)同一 混合信號(hào)運(yùn)行多次ICA并且選取最優(yōu)的結(jié)果，這樣比單獨(dú)運(yùn)行一次的結(jié)果 具有更高的可靠性。

發(fā)明內(nèi)容
(一) 要解決的技術(shù)問題
有鑒于此，本發(fā)明的主要目的在于提供一種對(duì)ICA電流信號(hào)分離模塊 的輸出結(jié)果進(jìn)行分離擇優(yōu)的方法，以將其應(yīng)用于電流傳感器角差在線監(jiān)測(cè) 系統(tǒng)中電流信號(hào)分離模塊，并提高輸出結(jié)果的精確度。
(二) 技術(shù)方案
為達(dá)到上述目的，本發(fā)明提供了一種對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng) 中ICA電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，該方法包括
步驟l:建立一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)的反向傳播(Back Propagation, BP)神經(jīng)網(wǎng)絡(luò)；
步驟2:建立BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集；
步驟3: BP神經(jīng)網(wǎng)絡(luò)通過對(duì)訓(xùn)練集數(shù)據(jù)的學(xué)習(xí)，建立ICA分離結(jié)果 的角差和兩個(gè)指標(biāo)值之間的映射關(guān)系；
步驟4:電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)，該BP神經(jīng)網(wǎng)絡(luò)對(duì)ICA 信號(hào)分離模塊的多次分離結(jié)果進(jìn)行最優(yōu)解選取，并輸出最優(yōu)結(jié)果。
上述方案中，所述BP神經(jīng)網(wǎng)絡(luò)是一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出 節(jié)點(diǎn)的3層網(wǎng)絡(luò)，包括輸入層、輸出層和隱藏層，其中，
輸入層以兩個(gè)神經(jīng)元節(jié)點(diǎn)作為輸入，記為^,，^}， ^為每次實(shí)驗(yàn)中 ICA分離出的源分量的似然值，^為每次實(shí)驗(yàn)中ICA分離出的源分量的負(fù)熵值；
輸出層以一個(gè)神經(jīng)元節(jié)點(diǎn)作為輸出，記為少，它是與該次實(shí)驗(yàn)結(jié)果 的角差的絕對(duì)值成比例的量，該輸出可以作為評(píng)價(jià)分離結(jié)果性能的聯(lián)合評(píng)
隱藏層選擇隱藏層的層數(shù)為1，隱藏層的節(jié)點(diǎn)數(shù)為7;在網(wǎng)絡(luò)訓(xùn)練
過程中輸入層到隱藏層的傳遞函數(shù)采用tanh函數(shù)/(幻=，隱藏層到輸
出層的傳遞函數(shù)采用線性函數(shù)。
上述方案中，步驟2中所述的訓(xùn)練樣本集，選取在不同信噪比情況下 的60次ICA分離結(jié)果的似然值、負(fù)熵值以及角差的絕對(duì)值組成的數(shù)據(jù)集， 訓(xùn)練目標(biāo)誤差設(shè)為10—8，訓(xùn)練迭代數(shù)為IOOO， BP網(wǎng)絡(luò)的學(xué)習(xí)率設(shè)為O.l。
上述方案中，所述訓(xùn)練之前要對(duì)輸入集和輸出集的數(shù)據(jù)進(jìn)行歸一化， 以使訓(xùn)練迭代過程中神經(jīng)元權(quán)值的調(diào)整較為靈敏。
上述方案中，所述的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，由兩個(gè)輸入量通過網(wǎng) 絡(luò)的非線性映射得到的輸出量與ICA分離的角差絕對(duì)值之間有單調(diào)地對(duì) 應(yīng)關(guān)系，即BP網(wǎng)絡(luò)輸出最小值對(duì)應(yīng)的分離結(jié)果的角差最小。
上述方案中，步驟4中所述所述電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)， ICA電流信號(hào)分離模塊將多次分離結(jié)果輸入該BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出多 次分離結(jié)果的最優(yōu)解。
(三)有益效果 從上述技術(shù)方案可以看出，本發(fā)明具有以下技術(shù)效果
1、 本發(fā)明提供的這種對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中ICA電流信 號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，可以應(yīng)用于電流傳感器角差在 線監(jiān)測(cè)系統(tǒng)中電流信號(hào)分離模塊，提高了輸出結(jié)果的精確度。
2、 本發(fā)明提供的這種對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中ICA電流信 號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，利用BP神經(jīng)網(wǎng)絡(luò)聯(lián)合多個(gè)評(píng) 價(jià)指標(biāo)，建立一個(gè)綜合的評(píng)價(jià)指標(biāo)，改進(jìn)了使用單一評(píng)價(jià)指標(biāo)的不足。實(shí) 驗(yàn)證明，在不同的信噪比情況下，該評(píng)價(jià)量都能比其他方法更有效地選出誤差最小的結(jié)果。


為進(jìn)一步說明本發(fā)明的技術(shù)內(nèi)容，以下結(jié)合附圖及實(shí)施案例對(duì)本發(fā)明 詳細(xì)說明如后，其中
圖1是本發(fā)明提供的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中ICA電流信
號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法的流程圖； 圖2是本發(fā)明采用的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。
圖3是本發(fā)明采用的電流傳感器角差在線監(jiān)測(cè)系統(tǒng)的結(jié)構(gòu)示意圖。 圖4是對(duì)同一混合信號(hào)的20次分離結(jié)果中，該評(píng)價(jià)量與結(jié)果誤差之
間的關(guān)系示意圖5是100次實(shí)驗(yàn)分離出的測(cè)試信號(hào)的相位誤差示意圖6是用BP網(wǎng)絡(luò)評(píng)價(jià)量、似然指標(biāo)以及負(fù)熵指標(biāo)選擇的最優(yōu)結(jié)果的
的比較示意圖7是分離結(jié)果誤差隨信噪比的變化示意圖。
具體實(shí)施例方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí) 施例，并參照附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。
如圖1所示，圖1是本發(fā)明提供的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中 ICA電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法的流程圖，該方法具 體包括以下步驟-
步驟1:建立一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)的BP神經(jīng)網(wǎng)絡(luò)；
圖2示出了本發(fā)明采用的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。
步驟2:建立BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集；
步驟3: BP神經(jīng)網(wǎng)絡(luò)通過對(duì)訓(xùn)練集數(shù)據(jù)的學(xué)習(xí)，建立ICA分離結(jié)果
的角差和兩個(gè)指標(biāo)值之間的映射關(guān)系；
步驟4:電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)，該BP神經(jīng)網(wǎng)絡(luò)對(duì)ICA
信號(hào)分離模塊的多次分離結(jié)果進(jìn)行最優(yōu)解選取，并輸出最優(yōu)結(jié)果。
所述BP神經(jīng)網(wǎng)絡(luò)是一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)的3層網(wǎng)絡(luò)，包括輸入層、輸出層和隱藏層，其中，
輸入層以兩個(gè)神經(jīng)元節(jié)點(diǎn)作為輸入，記為^,^}， x,為每次實(shí)驗(yàn)中
ICA分離出的源分量的似然值，^為每次實(shí)驗(yàn)中ICA分離出的源分量的
負(fù)熵值；
輸出層以一個(gè)神經(jīng)元節(jié)點(diǎn)作為輸出，記為少，它是與該次實(shí)驗(yàn)結(jié)果 的角差的絕對(duì)值成比例的量，該輸出可以作為評(píng)價(jià)分離結(jié)果性能的聯(lián)合評(píng)
隱藏層選擇隱藏層的層數(shù)為1，隱藏層的節(jié)點(diǎn)數(shù)為7;在網(wǎng)絡(luò)訓(xùn)練
過程中輸入層到隱藏層的傳遞函數(shù)采用tanh函數(shù)/(x卜:p^，隱藏層到輸
出層的傳遞函數(shù)采用線性函數(shù)。
步驟2中所述的訓(xùn)練樣本集，選取在不同信噪比情況下的60次ICA 分離結(jié)果的似然值、負(fù)熵值以及角差的絕對(duì)值組成的數(shù)據(jù)集，訓(xùn)練目標(biāo)誤 差設(shè)為10_8，訓(xùn)練迭代數(shù)為1000， BP網(wǎng)絡(luò)的學(xué)習(xí)率設(shè)為O.l。由于BP網(wǎng) 絡(luò)輸出為ICA分離結(jié)果角差的絕對(duì)值，通常情況下它的值比較小，并且各 值之間的差別很小，所以為了增強(qiáng)輸出樣本的區(qū)分度，我們首先將它的值 放大。同時(shí)，訓(xùn)練之前要對(duì)輸入集和輸出集的數(shù)據(jù)進(jìn)行歸一化，這樣可以 使訓(xùn)練迭代過程中神經(jīng)元權(quán)值的調(diào)整較為靈敏。
所述的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，由兩個(gè)輸入量通過網(wǎng)絡(luò)的非線性映 射得到的輸出量與ICA分離的角差絕對(duì)值之間有單調(diào)地對(duì)應(yīng)關(guān)系，即BP 網(wǎng)絡(luò)輸出最小值對(duì)應(yīng)的分離結(jié)果的角差最小。
步驟4中所述所述電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)，ICA電流信 號(hào)分離模塊將多次分離結(jié)果輸入該BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出多次分離結(jié)果 的最優(yōu)解。圖3示出了本發(fā)明采用的電流傳感器角差在線監(jiān)測(cè)系統(tǒng)的結(jié)構(gòu) 示意圖。
實(shí)施例1
圖4是對(duì)同一混合信號(hào)的20次分離結(jié)果(用*表示)中，該評(píng)價(jià)量與結(jié)果誤差之間的關(guān)系示意圖。由圖4可見，采用BP網(wǎng)絡(luò)計(jì)算出的聯(lián)合評(píng) 價(jià)量的最小值對(duì)應(yīng)的結(jié)果的誤差最小。 實(shí)施例2
為了測(cè)試本文提出的方法的精度，重復(fù)作ioo次實(shí)驗(yàn)，每次實(shí)驗(yàn)對(duì)同 一混合信號(hào)Ig(n)(信噪比20dB)運(yùn)行10次FastICA，并選擇對(duì)應(yīng)于BP 網(wǎng)絡(luò)計(jì)算出的評(píng)價(jià)量最小值的結(jié)果作為這次分離方法的最終結(jié)果。這100 次實(shí)驗(yàn)分離出的測(cè)試信號(hào)的相位誤差如圖5所示。圖5中結(jié)果表明在信噪 比為20dB時(shí)該方法的誤差集中在0.001rad之內(nèi)。
實(shí)施例3
設(shè)對(duì)同一混合信號(hào)做10次FastICA分離結(jié)果中相位誤差最小為 min—real,為了測(cè)試采用BP網(wǎng)絡(luò)評(píng)價(jià)量選出的結(jié)果誤差是否是min—real, 圖6比較了相位誤差的最小值和用BP網(wǎng)絡(luò)評(píng)價(jià)量以及用負(fù)熵指標(biāo)選擇的 結(jié)果的相位誤差。從圖中可以看出BP評(píng)價(jià)量(圖6中實(shí)線)在幾乎所有 實(shí)驗(yàn)中都能選擇出誤差最小的結(jié)果(圖6中黑色圓點(diǎn))，而單獨(dú)采用負(fù)熵 計(jì)算的結(jié)果(圖6中點(diǎn)劃線)誤差要明顯大些。圖6中，實(shí)線為BP網(wǎng)絡(luò) 評(píng)價(jià)量結(jié)果，點(diǎn)劃線為負(fù)熵指標(biāo)結(jié)果，黑點(diǎn)為真實(shí)的最小值。
實(shí)施例4
將方法應(yīng)用于不同信噪比的混合信號(hào)，對(duì)同一信噪比的不同混合信號(hào) 進(jìn)行多次實(shí)驗(yàn)并記錄相位誤差的均值。圖7是分離結(jié)果誤差隨信噪比的變 化示意圖，圖7顯示隨著信噪比增大，分離結(jié)果誤差逐漸變小。在噪聲很 小的情況下誤差可達(dá)萬分之一弧度。同時(shí)與最大似然指標(biāo)，負(fù)熵指標(biāo)計(jì)算 的結(jié)果相比，BP評(píng)價(jià)量計(jì)算的結(jié)果誤差在不同的噪聲情況都比它們要小。
以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行 了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而 已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修 改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1、一種對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，其特征在于，該方法包括步驟1建立一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)的反向傳播BP神經(jīng)網(wǎng)絡(luò)；步驟2建立BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集；步驟3BP神經(jīng)網(wǎng)絡(luò)通過對(duì)訓(xùn)練集數(shù)據(jù)的學(xué)習(xí)，建立ICA分離結(jié)果的角差和兩個(gè)指標(biāo)值之間的映射關(guān)系；步驟4電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)，該BP神經(jīng)網(wǎng)絡(luò)對(duì)ICA信號(hào)分離模塊的多次分離結(jié)果進(jìn)行最優(yōu)解選取，并輸出最優(yōu)結(jié)果。
2、 根據(jù)權(quán)利要求1所述的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分 量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，其特征在于，所 述BP神經(jīng)網(wǎng)絡(luò)是一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)的3層網(wǎng)絡(luò)，包 括輸入層、輸出層和隱藏層，其中，輸入層以兩個(gè)神經(jīng)元節(jié)點(diǎn)作為輸入，記為k,A^，、為每次實(shí)驗(yàn)中ICA分離出的源分量的似然值，^為每次實(shí)驗(yàn)中ICA分離出的源分量的 負(fù)熵值；輸出層以一個(gè)神經(jīng)元節(jié)點(diǎn)作為輸出，記為^，它是與該次實(shí)驗(yàn)結(jié)果 的角差的絕對(duì)值成比例的量，該輸出可以作為評(píng)價(jià)分離結(jié)果性能的聯(lián)合評(píng)隱藏層選擇隱藏層的層數(shù)為1，隱藏層的節(jié)點(diǎn)數(shù)為7;在網(wǎng)絡(luò)訓(xùn)練過程中輸入層到隱藏層的傳遞函數(shù)采用tanh函數(shù)/(x^:;-^，隱藏層到輸出層的傳遞函數(shù)采用線性函數(shù)。
3、 根據(jù)權(quán)利要求1所述的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分 量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，其特征在于，步 驟2中所述的訓(xùn)練樣本集，選取在不同信噪比情況下的60次ICA分離結(jié)果的似然值、負(fù)熵值以及角差的絕對(duì)值組成的數(shù)據(jù)集，訓(xùn)練目標(biāo)誤差設(shè)為10—8，訓(xùn)練迭代數(shù)為1000， BP網(wǎng)絡(luò)的學(xué)習(xí)率設(shè)為0.1。
4、 根據(jù)權(quán)利要求3所述的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分 量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，其特征在于，所 述訓(xùn)練之前要對(duì)輸入集和輸出集的數(shù)據(jù)進(jìn)行歸一化，以使訓(xùn)練迭代過程中 神經(jīng)元權(quán)值的調(diào)整較為靈敏。
5、 根據(jù)權(quán)利要求1所述的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分 量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，其特征在于，所 述的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，由兩個(gè)輸入量通過網(wǎng)絡(luò)的非線性映射得到 的輸出量與ICA分離的角差絕對(duì)值之伺有單調(diào)地對(duì)應(yīng)關(guān)系，即BP網(wǎng)絡(luò)輸 出最小值對(duì)應(yīng)的分離結(jié)果的角差最小。
6、 根據(jù)權(quán)利要求1所述的對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分 量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，其特征在于，步 驟4中所述所述電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)，ICA電流信號(hào)分離 模塊將多次分離結(jié)果輸入該BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)輸出多次分離結(jié)果的最優(yōu) 解。
全文摘要
本發(fā)明公開了一種對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中獨(dú)立分量分析電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，包括建立一個(gè)擁有兩個(gè)輸入節(jié)點(diǎn)和一個(gè)輸出節(jié)點(diǎn)的反向傳播BP神經(jīng)網(wǎng)絡(luò)；建立BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集；BP神經(jīng)網(wǎng)絡(luò)通過對(duì)訓(xùn)練集數(shù)據(jù)的學(xué)習(xí)，建立獨(dú)立分量分析ICA分離結(jié)果的角差和兩個(gè)指標(biāo)值之間的映射關(guān)系；電流傳感器角差在線監(jiān)測(cè)系統(tǒng)運(yùn)行時(shí)，該BP神經(jīng)網(wǎng)絡(luò)對(duì)ICA信號(hào)分離模塊的多次分離結(jié)果進(jìn)行最優(yōu)解選取，并輸出最優(yōu)結(jié)果。本發(fā)明提供的這種對(duì)電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中ICA電流信號(hào)分離模塊的輸出結(jié)果進(jìn)行分離擇優(yōu)方法，可以應(yīng)用于電流傳感器角差在線監(jiān)測(cè)系統(tǒng)中電流信號(hào)分離模塊，提高了輸出結(jié)果的精確度。
文檔編號(hào)G01R35/00GK101614799SQ200810115559
公開日2009年12月30日 申請(qǐng)日期2008年6月25日 優(yōu)先權(quán)日2008年6月25日
發(fā)明者驥 金, 馬曉燕, 魯華祥 申請(qǐng)人:中國科學(xué)院半導(dǎo)體研究所