基于RBF网络的变风量空调送风量软测量研究

房间温度控制是变风量空调系统的重要控制环节之一,而对房间温度进行控制就需要通过末端风阀控制送风量;首先介绍了软测量技术以及RBF神经网络的原理,其次根据以上两种理论,结合影响房间送风量最重要的两个因素:风机变频器控制信号和末端风阀开度,对送风量进行软测量研究;最后,运用MATLAB的神经网络工具箱函数建立软测量模型,对其进行了仿真;仿真结果表明,RBF神经网络相比BP网络其送风量软测量模型具有更高的准确度;因此,在变风量空调运行的过程中,可以利用软测量技术动态监测风量传感器的运行状况,并实现传感器故障状态下对送风量参数的估计.     

基于遗传神经网络的VAV空调系统预测模型

针对单纯的机理建模方法难以准确预测变风量空调系统(VAV)的参数,利用BP神经网络构建了变风量空调系统的预测模型,并将遗传算法与BP网络相结合,提出运用遗传算法对神经网络的权值和阈值进行遗传搜索,寻优后再进行BP运算,以克服BP算法收敛速度慢、易陷入局部解的缺点;通过实验平台采集了大量数据对所建模型进行训练和验证,结果表明,模型对空调送风参数以及房间温湿度的预测结果与实测数据能很好拟合,精确度高,泛化能力强.     

变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

变风量系统中央空调房间的建模及控制系统仿真

介绍了变风量空调系统的基本原理,结合变风量系统的特点,在变风量(VAV)空调系统房间数学模型的基础上,利用仿真软件Matlab对整个空调控制系统进行了仿真,得到了系统的响应,在理论研究和工程实践中具有实际的指导意义和应用价值.     

基于Elman神经网络变风量空调系统研究

变风量空调控制系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而在多层前向Bp网络中引入特殊关联层,形成有"记忆"能力的Elman神经网络,可以映射系统的非线性和动态特性.其在网络训练算法中,采用自适应学习速率梯度下降反向传播算法,显著提高了网络的训练速率,有效抑制了网络陷入局部最小点.文中分别采用Bp神经网络与Elman神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.     

变风量系统中央空调房间的建模及控制系统仿真

介绍了变风量空调系统的基本原理,结合变风量系统的特点,在变风量(VAV)空调系统房间数学模型的基础上,利用仿真软件Matlab对整个空调控制系统进行了仿真,得到了系统的响应,在理论研究和工程实践中具有实际的指导意义和应用价值。     

模糊PID控制在变风量空调系统中的应用

针对被控对象大惯性、不确定特点,提出一种变风量空调系统室温智能控制方案,建立了变风量空调系统的数学模型,采用了串级控制策略,主控制器采用一种新的可变论域自适应模糊PID控制.用串级控制反馈控制改善性能,抑制一、二次扰动,减小了各种扰动对室温的影响.采用可变论域自适应模糊PID控制.进行仿真.结果证明,变风量空调系统具有良好的动态性和稳定性.当空调房间模型结构参数发生变化时,控制系统鲁棒性好.     

变风量空调末端双闭环系统的模型辨识和仿真

研究变风量空调末端部分控制系统的节能优化问题时,对于末端系统的优化控制应以系统中被控的风阀和房间模型为基础.采用西安建筑科技大学变风量空调实验平台,对末端风阀被控对象采用闭环间接法送行辨识.利用LabView软件对外环温度控制器进行在线仿真设计,创造闭环辨识性条件,建立被控室温房间对象模型.最后,在Sumlink工具箱中用辨识模型进行末端双闭环控制系统的仿真.仿真结果表明,辨识出的模型精确度较高.用于末端节能优化控制研究中可提升控制性能,并为变风量空调节能优化控制提供了参考依据.     

神经元PID控制在变风量空调室温控制中的应用研究

针对变风量空调系统的延迟,非线性和模型不确定性,本文提出将神经元P I D控制器应用于变风量空调系统中。该控制器综合了神经网络和P I D调节各自的有点,具有神经网络的学习和适应能力,同时具备P I D控制的广泛的适应性。仿真实验表明该控制器控制结果优于传统的P I D控制器。     

模拟退火算法改进的BP神经网络PID控制器在变风量空调系统中的应用研究

以变风量空调系统的温度控制作为研究对象,在现有研究的基础上,提出了模拟退火算法改进的神经网络PID控制方法。应用神经网络进行PID参数在线整定,模拟退火算法提高神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

基于BP神经网络的军用电源智能故障诊断

电源设备的可靠运行关系到地空导弹武器系统的性能,对电源系统进行准确的故障诊断是十分重要的.为对地空导弹武器系统中电源设备故障进行准确诊断,介绍了BP神经网络和某型地空导弹静变电源的相关知识,建立了三相DC/AC逆变器的故障模型,并对几种常见的故障进行了简要的分析.最后,将BP神经网络模型应用于某型地空导弹静变电源的故障诊断,利用神经网络较好的模式分类能力,解决了以往地空导弹部队进行静变电源故障诊断的不足.仿真结果表明,该方法能够准确诊断电源设备的故障,验证了该方法的准确性和实用性.     

Fault diagnosis of power electronic system based on fault gradation and neural network group

We propose a new fault diagnosis approach with fault gradation using BP (back-propagation) neural network group consisting of 3 sub BP neural networks. According to the hazard extents and the occurrence frequencies of different faults, the faults are divided into different grades. The higher the fault grade, the larger the number of the used sub neural networks is. Experimental results show that our approach makes the correctness rate of the fault diagnosis rise greatly (from less than 95.0% to 99.5%) and the performance of the whole fault diagnosis system gets much better especially for the on-line complex systems. The approach proposed in this paper also can be extended to other complex fault diagnosis systems, such as mechanical systems.     

基于故障传播的模块化BP神经网络电路故障诊断

大规模的数模混合电路所含故障模式众多,电路故障状态复杂,且易发生传播,因而电路故障诊断难度较大。针对大规模电路发生故障时存在故障传播的问题,提出一种基于故障传播的模块化BP神经网络（MBPFP）故障诊断方法。首先,在电路模块划分的基础上分析子电路间的故障传播,并将故障源和故障传播源"模块化";然后,通过子电路的异常检测模型进行一级定位,缩小故障原因集合,确定故障模块;最后,利用目标模块的BP神经网络模型进行二级定位,实现故障诊断并识别故障模式。与传统BP神经网络等方法进行比较的实验结果表明,MBPFP故障诊断方法具有较高的故障覆盖率,在定位准确率方面提高了至少8个百分点,其性能优于传统BP神经网络等方法。     

BP神经网络在柴油机涡轮增压系统故障诊断中的应用*

将BP神经网络应用于柴油机涡轮增压系统的故障诊断。简要介绍了BP神经网络的基本原理和算法,采用BP算法对网络进行训练、学习,可以识别柴油机滤清器堵塞、空冷器空气测流阻增大、气缸进排气堵塞及废气涡轮流阻增大四种故障,诊断结果和实际结果非常吻合,诊断结果可靠性强,并可以准确预计故障等级。     

神经网络自适应非线性滤波器及在线故障检测

提出一种BP神经网络在线自学习方式及用该方式建立自适应非线性滤波器的方法,并提出了基于该BP滤波器对机器人系统进行在线实时状态跟踪、预报和突变性故障检测的方法。为了快速、正确地检测出故障,设计了一复合故障检测策略。对所提方式、方法及策略进行了仿真验证。     

设备故障诊断中神经网络与证据推理结合的信息融合方法

针对设备故障诊断中存在的处理数据量大、故障类型复杂多变、领域知识难于准确获得、故障识别率低的现状,提出了利用信息融合的思想,将神经网络和证据理论相结合应用于故障诊断的新方法。提高了故障诊断系统的灵活性、故障诊断的效率和准确性。     

Sensor fault diagnosis in a chemical process via RBF neural networks

Radial basis function (RBF) neural networks are investigated here for process fault diagnosis. The use of the output prediction error, between a neural network model and a non-linear dynamic process, as a residual for diagnosing actuator, component and sensor faults is analysed. It is found that this residual for a dependent neural model is less sensitive to sensor faults than actuator or component faults. This is confirmed in experiments for a real, multivariable chemical reactor. A scheme is then developed utilising a semi-independent neural model to generate enhanced residuals for diagnosing the sensor faults in the reactor. A second neural-network classifier is developed to diagnose the sensor faults from the residuals generated, and results are presented to demonstrate the satisfactory detection and isolation of sensor faults achieved using this approach.     

装载机远程服务与故障诊断系统研究

通过分析网络化环境下装载机远程服务与故障诊断系统的特点,在此基础上提出该系统的结构,并使用BP神经网络进行装载机的故障诊断,阐述了基于BP神经网络和专家系统混合的神经网络故障诊断专家系统的基本原理。最后分析了基于EJB的装载机远程服务与故障诊断系统的软件实现方法。     

基于小波包分析及神经网络的汽轮机转子振动故障诊断

根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征.分析结果表明:小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状态,有较好的故障区分度;另外由于经过小波包分解再重构后所提取的故障特征参数浓缩了汽轮机转子振动故障的全部信息,而BP神经网络具有优良的非线性映射能力,对提取的故障特征参数应用BP神经网络映射,可对汽轮机转子振动故障进行进一步的诊断.诊断结果表明:基于小波包分析及神经网络的故障诊断方法,具有较高的故障识别能力.     

变风量空气处理机FDD技术的神经网络模型

介绍了神经网络在VAV空调系统错误探测与诊断（FDD）技术中的应用，并引入Instar-Outstar映射网络和竞争学习法则分别从模型建立和演算方法两方面解释了探测与诊断的实现过程。