论文部分内容阅读
基于傅里叶神经网络（Fourier neural network，FNN）结构的单输入、输出 Hammerstein模型，提出了一种适用于变压器绕组振动系统的非线性建模方法。FNN和自回归滑动平均模型（auto-regressive and moving average model, ARMA）（分别作为模型中的非线性静态模块和线性动态模块）采用前向更新策略及最速下降法对模型进行训练，确定模型参数。该建模方法在实际110 kV变压器的绕组振动系统的建模及绕组振动波形预测中显示了较高的有效性及准确性。此外，