基于声发射信号的煤岩界面识别研究

为实现采煤机煤岩截割过程中滚筒高度的自动调节控制,提出一种基于声发射信号的煤岩界面动态识别方法,测试和提取不同煤岩截割比例条件下的声发射特征信号。采用时域分析方法得到不同工况下的时域指标,采用小波分析方法提取煤岩截割的声发射信号特征值,建立不同煤岩截割比例条件下声发射信号的最小隶属度函数,实现煤岩截割比例的实时在线监测。实验室截割实验测试结果表明,滚筒实际煤岩轨迹与截割煤岩轨迹之间差值的平均值、方差、标准差很小。实验结果验证了该识别系统的精确性与可靠性。     

基于全局模糊指标的电力系统在线安全评估

提出并建立了在线评估电力系统安全性的方法。首先建立电力系统元件的模糊隶属度函数,获取其安全隶属度（SMG）;然后通过建立的2阶模糊控制器,分别得到发电方,输电方和负荷部分的最小安全隶属度（SSMG）,最后综合输出全局模糊指标。其中运用梯形模糊集求取系统关键元件模糊隶属度,不同于针对最脆弱系统状态进行离线筛选的传统方法,适应电力系统多样性特点,能连续不断量化电力系统的安全状态,可根据潮流实时数据、状态估计和潮流分析程序对系统安全水平进行不断跟踪。全局模糊指标能比较直观地使系统运行员识别不安全状态,连续监控系统实际运行到不安全状态的距离。对IEEE30节点系统进行的仿真计算证明了所提出模型和算法的有效性。     

基于多变量多尺度云样本熵和模糊支持向量机的开关柜故障分类

利用智能开关柜多源监测数据识别其异常状态和故障类型,可实现配电设备高效精细的运维管理。为提取开关柜的故障特征,利用传感器监测开关柜电压、电流、温湿度和闪光信号等状态量,通过引入降半梯形云模型量化状态量时间序列的复合延迟向量间的相似度,由此软化多变量多尺度样本熵相似容限判据,进而获取包含多个时间尺度的开关柜多通道状态监测数据的多变量多尺度云样本熵(MMCSE)故障特征向量;依据分段半降正态云模型量化开关柜故障样本间关联关系的不确定性,综合样本空间的区域差异性和分散性计算样本隶属度,形成改进的模糊支持向量机(FSVM)特征分类方法,实现了开关柜不同故障类型的识别。根据现场实时监测数据,验证结果表明所提方法具有较高的分类正确性。     

基于用电异常数据的反窃电在线监测方法研究

研究基于用电异常数据的反窃电在线监测方法，精准确定用电异常数据，实现反窃电在线监测。该在线监测方法利用K-means聚类算法确定用电异常数据，通过有效指数度量方法确定用电数据聚类数量，提升用电异常数据确定精度；以电流三相不平衡、电压三相不平衡、线损与负荷为特征指标，在用电异常数据中选择用电异常特征数据；利用主成分分析法降维用电异常特征数据；通过模糊神经网络建立反窃电在线监测模型，在该模型内输入降维后的用电异常特征数据，输出窃电嫌疑系数，完成反窃电在线监测。实验证明该方法可精准确定偏小与偏大用电异常数据，有效选择并降维用电异常特征数据，获取窃电嫌疑系数，具备较高的反窃电在线监测精度。     

基于FP-Growth算法的10kV配电网串联补偿电容故障在线监测方法

针对当前配电网串联补偿电容故障在线监测方法在故障特征点的提取过程中,对特征数据变化规律的挖掘力度较差,易造成角度特征识别与实际情况相差较大,导致补偿位置角度特征识别准确率较低的问题,提出基于FP-Growth算法的10 kV配电网串联补偿电容故障在线监测方法。根据10 kV配电网线路工况运行特征,识别10 kV配电网串联分路状态;利用FP-Growth算法拟合故障幅值包络曲线,对比故障曲线与正常曲线;根据曲线差异性,判断补偿电容故障位置,检验接收信号与故障位置特征参数的相关程度;得到有效采集数据,实现电容状态危险等级的监测。仿真试验结果表明,在不同的故障程度和道砟电阻条件下,角度特征识别准确率较高,判断结果更加可靠。     

基于电器行为特征的非侵入式家用负荷识别

针对家用电器负荷识别中电气特性相似的电器难以识别的问题,提出基于电器行为特征的非侵入式负荷识别方法。该方法是在利用稳态电气特征的负荷印记进行家用电器负荷识别的基础之上,增加行为特征负荷印记;建立了负荷印记统计模型,对未知事件负荷印记的置信度进行模糊识别;提供识别结果以及识别结果的综合隶属度,提高了家用电器识别的精确度和准确度。经实验数据检验以及实际用户数据印证,该方法简单、准确、可靠,为非侵入式负荷提供新的思路和参考。     

基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测

针对低压配电网中用户的户变关系及相位信息常存在错误且变动较为频繁的现象,提出了一种基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测方法,包含拓扑聚类识别和拓扑统计监测2个阶段。在拓扑聚类识别阶段,基于用户电压波动曲线的α-峭度和α-偏度提取数据粗粒度空间特征,采用密度峰值聚类算法识别所有用户的户变关系;在数据细粒度特征空间,通过考虑延迟效应的动态时间弯曲距离算法优化密度计算过程,实现相位关系的精确聚类。在拓扑统计监测阶段,基于多粒度聚类结果,采用邻域保持嵌入算法建立多元统计监测模型,实现新增用户或拓扑有变化的个别用户的拓扑快速识别。实际算例的分析结果验证了所提方法的有效性。     

基于模糊模式与火焰图像特征量的燃烧状态识别方法

通过对火焰图像进行分析，提取出火焰亮度、火焰面积、质心偏移距离和圆形度等7个特征量，应用模糊模式建立识别模型，根据最大隶属度判别火焰的燃烧状态。模型识别结果表明，此方法识别准确率高，计算速度快，适合实际应用。     

基于在线自适应的鲁棒最小二乘支持向量机及其应用

针对最小二乘支持向量机(LSSVM)在利用现场数据建模时难以适应不同工况,鲁棒性较差的问题,提出了一种基于在线自适应修正的鲁棒LSSVM模型。该方法以总的预报误差大小作为阈值,根据不同工况自适应更新参数,从而提高模型对数据的适应性;同时采用模糊隶属度对向量机优化问题中的误差平方项赋予动态权值,增强模型的抗噪声能力。将该方法应用于电厂实际数据对一次风量的预测,并与普通LSSVM模型相比,结果表明该算法所建立的模型鲁棒性强、预测精度高。该模型可满足不同工况下数据的实时预测和估计,为各种在线监测系统提供了良好的数据支持。     

输变电工程造价水平智能评估与监测方法研究

随着输变电工程造价精细化管控的推进,构建智能化造价水平评估学习模型是实施输变电工程资产管理的前提。为实现精细化、科学化的电网工程造价管控,对实现工程造价管控的智能化、科学化展开研究,进而提出了一种输变电工程造价水平智能评估与监测方法。该方法针对输变电工程造价数据的高维小样本特性,构建了造价水平评估指标和监测误差指标,提出了一种基于随机比特森林的输变电工程造价数据特征选择方法。基于此,采用伞式评估监测器,构建了输变电工程造价水平评估与在线监测模型。以某省实际变电工程造价数据进行了算法有效性校验,结果表明所提方法具有较好的特征稳定性和评估精度,能实现输变电工程造价水平在线动态监测。     

基于空间分割前向竞争网络的信号识别

本文提出运用空间分割竞争网络结合Kohonen学习规则实现有规则模拟信号分类识别方法.以信号谐波、信号面积和信号正负面积之比等参数为识别特征,利用软边界处理的Kohonen训练规则,将识别特征值分布特性通过软边界技术快捷地训练到寻址层隶属度矩阵中.该方法减少了训练样本、提高学习速度,克服了由于大样本训练导致空间块隶属度统计不足的缺点.实验证明该方法识别常见信号特征有效性高.     

机电产品绿色度综合评价系统研究与实现

绿色产品的评价是一个多层次、多因素的综合评价问题。采用自顶向下的多级模糊层次分析方法 ,构建绿色度综合评价指标体系和评价模型 ,对各级评价指标进行权重计算 ,通过对各指标的实际测量 ,计算指标的隶属度进行指标的无量纲化处理 ,应用线性加权和法计算最终综合得分 ,针对具体的指标得分进行对产品的绿色改进 ,使产品具有更好的绿色性能     

基于模糊神经网络的电站燃煤锅炉结渣预测

分析了电站锅炉结渣的影响因素,确定评判锅炉结渣倾向性的指标.将模糊数学和BP网络相结合.构成模糊神经网络模型.采用不同的隶属函数将判别指标模糊化,以实际电站锅炉作为训练样本,对该模糊神经网络模型进行训练,并对给定4组电站锅炉进行预测.分析比较预测结果,最终确定4组锅炉的结渣倾向性;试验结果表明,此种方法能够更准确地预测电站锅炉结渣倾向性,为实际锅炉设计及运行提供科学依据.     

基于振动信号样本熵和相关向量机的万能式断路器分合闸故障诊断

为实现对万能式断路器分合闸故障的非侵入式监测和诊断,以分合闸过程中所产生的包含丰富机械特性信息的振动作为信号来源,提出一种基于振动信号互补总体平均经验模态分解(CEEMD)-样本熵和相关向量机(RVM)相结合的万能式断路器故障诊断方法。该方法首先将振动信号通过改进的小波包阈值去噪算法处理;其次采用CEEMD提取若干个反映断路器状态信息的固有模态函数(IMF)分量,依据各IMF分量的能量分布特点,选择其中前7阶进行处理,计算其样本熵形成有效的特征样本;最后通过计算不同故障类型的样本间欧氏距离来定量评价类间样本平均距离,建立基于RVM的二叉树多分类器,诊断得出万能式断路器故障类型。基于所设计的分合闸典型故障模型进行实验。与其他方法的对比实验表明,所提方法可利用相对较少的故障数据样本实现对万能式断路器故障类型的识别并具有较高的识别率;同时实验表明,辅以同一故障类型的样本间欧氏距离,可实现对分合闸故障中三相不同期故障严重程度的初步评估。     

基于多LS-SVM集成模型的锅炉NOx排放量建模

为了提高电站锅炉氮氧化物(NO_x)排放量预测模型的精度,提出了一种基于多最小二乘支持向量机(LS-SVM)集成模型的NO_x排放量建模方法。首先按照NO_x排放量由低到高将数据空间初步划分为低、中、高3个子空间,然后依据输入变量与NO_x相关性分析来确定输入变量的权重,通过筛选得到主要的特征变量。在此基础之上,采用有监督的遗传算法-软模糊聚类(GA-SFCM)方法,获得各数据子空间的聚类中心及其相应的样本隶属度,通过融合隶属度的最小二乘法对各子空间LS-SVM模型进行集成。仿真结果表明,通过筛选参与聚类的变量提高了聚类性能和模型精度,采用有监督的GA-SFCM算法进行聚类,降低了聚类复杂度,建立的多LS-SVM集成模型比单一LS-SVM模型有更好的泛化能力。     

基于BIA的人体内脏脂肪面积预测云模型研究

人体内脏脂肪面积与人体腹部总阻抗和腹部皮下阻抗测量值存在着强非线性关系,采用小波神经网络云模型建立了人体内脏脂肪面积预测模型。采用八电极法并结合人体腹部形状特征和人群特征属性,构成预测模型输入量。对不同条件的输入量进行划分,建立对应各个输入量的隶属云并进行模糊推理;构建对应于输入量的以小波函数为基函数的网络,采用输入量隶属云模糊推理输出对小波神经网络输出加权平均,以预测人体内脏脂肪面积。对该模型的参数进行训练,并采用训练后的模型对人体内脏脂肪面积预测。实测结果表明,该模型具有较强的非线性函数逼近能力,对人体VFA的预测效果比统计回归模型有明显的改进。     

基于改进学习算法的模糊神经网络控制系统

针对一类复杂非线性系统，提出一种模糊神经网络(FNN)控制方案。系统中采用模糊神经网络控制器和神经网络辨识控制器相结合的结构，介绍一种改进的学习算法，对学习公式进行推导，利用改进的遗传算法来优化已经获得的隶属度函数，并结合误差补偿以提高控制精度。同时将混沌机制引入常规BP算法，利用混沌机制固有的全局游动，逃出权值优化过程中存在的局部极小点，解决了网络训练易陷入局部极小点的问题。用该方法对某非线性动态系统进行辨识和控制，仿真结果表明控制精度和实时性优于常规模糊控制器。     

Pattern recognition for modeling and online diagnosis ofbioprocesses

Bioprocesses are highly nonlinear and they operate within a wide range of operating regimes. Proper modeling and control of these processes necessitate real-time identification of these regimes. In this paper, the authors introduce an approach for the development of a fuzzy neural network (NN) model for a bioprocess based on decomposition of the process into its different regimes. The model consists of multiple linear local models, one for each regime, and its output is the interpolation of the outputs from the local models. Regime identification is performed using fuzzy clustering and NNs. The outcome of this identification technique is a set of membership functions which indicate to what degree the process is governed by the three operating regimes at any given point in time. The method is illustrated through the development of a real-time product estimation model for a simulated gluconic acid batch fermentation     

应用模糊线性回归模型预测中长期电力负荷

针对负荷影响因素的复杂性和不确定性,结合模糊数学和线性回归模型,讨论应用模糊线性回归模型预测负荷的变化区间。推导了模糊线性回归模型参数求解的数学模型,详细讨论了隶属度的取值对模型参数的影响。应用该模型进行实际预测,分析结果表明该方法的有效性。对模糊预测结果的评判进行了探讨,提出了利用实际值在预测区间的隶属度之和判别预测结果优劣的方法。