基于纵横交叉算法的变压器三相不平衡损耗研究

目前,国内外对于变压器三相不平衡损耗的研究主要是使用传统公式法,精确度不高且需要较多的变压器内部参数。为提高变压器的三相不平衡损耗精确度,提出一种基于纵横交叉优化BP神经网络的损耗评估方法。该方法针对传统BP神经网络中的不足进行优化,将传统的随机初始权值阈值改为经过纵横交叉算法得到的最优权值与阈值,并将最优值代入训练模型中,在训练过程中传统BP神经网络易于陷入局部最优的不足也将因为纵向交叉的优化而得到解决,最终得到基于 CSO-BP神经网络的变压器三相不平衡损耗评估模型。将该模型的损耗评估结果、公式法计算结果及实际实验得出的结果与现场实验数据进行对比,结果表明,基于 CSO-BP神经网络的变压器谐波损耗评估模型得出的结果更接近实验值,具有良好的工程应用前景与价值。     

基于RBF-BP组合神经网络的地震预测研究

针对地震预测中预测因子高度非线性、训练样本数量有限及分布不均匀的问题,提出采用RBF-BP组合人工神经网络对地震预测因子样本进行建模和预测,并用RBF神经网络初步训练预测因子样本,将训练结果输入BP神经网络,根据期望输出值加强训练.实例分析表明,该预测方法可行并能有效提高地震预测精度.     

基于神经遗传的电站锅炉炉渣含碳量软测量技术

针对锅炉炉渣含碳量难以在线实时测量及测量精度低等问题,采用了基于神经网络结合遗传算法的新型软测量模型,通过遗传算法训练BP神经网络权值的方法,实现了对某热电厂220 t/h四角切圆煤粉锅炉炉渣含碳量的软测量。以锅炉实际运行数据为输入值得到的模型输出结果表明,该方法具有较好的软测量效果。     

含分布式电源点的区域配电网三相线损测试研究

当前区域配电网三相线损测试难度大,为解决该问题,提出了基于神经网络的含分布式电源点的区域配电网三相线损测试方法。根据神经网络结构,分析目标不同层次特征,在特征响应支持下,分析三相四线制连接方式下的线损。利用神经网络的监视控制层实时采集线损数据,通过粒子群算法对神经网络进行优化,确定用于全局搜索的神经网络阈值,设定粒子群算法收敛条件,重新赋予线损测试值,动态调整学习因子,评估种群适应度,由此设计三相线损测试流程,实现含分布式电源点的区域配电网三相线损测试。实验结果表明,该方法测试干扰幅值较低,测试精准度高,有助于降低线损。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点，提出应用小波包能量法提取故障特征向量，并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的，对其他设备的故障诊断也具有借鉴意义。     

基于神经网络对长春浅层地热能评价方法研究

针对长春地区缺乏地热资源特点,基于BP神经网络智能化结构特征和能力特征,提出一种神经网络区域地热能分布的评估方法。根据长春地质条件建立评价指标体系,使用Matlab软件,对已知勘探数据进行预处理、建立神经网络模型。通过网络训练,可完成长春地区的地热资源的评估工作。     

基于小波神经网络的单相三电平逆变器谐波检测

本文采用小波神经网络（Wavelet Neural Network,WNN）算法对时变谐波信号进行检测。利用Harr小波对谐波信号的幅值和相角进行逼近;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛速度;给出网络参数的选定方案;确定网络的训练算法。在MATLAB/SIMULINK环境下对该算法进行仿真,与传统的小波算法比较,该算法不仅可行,而且精确度得到提高。     

基于小波理论变换和神经网络的柴油机故障诊断方法的研究

提出一种基于小波理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波分析,提取相应特征向量,然后将振动样本的特征向量作为RBF神经网络的输入参数,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。试验及仿真证明该方法在柴油机振动诊断中是有效可行的,对其它复杂机械的振动诊断同样具有参考价值。     

双自适应神经网络和快速TLS-ESPRIT的谐波检测方法及仿真

针对BP神经网络应用于谐波分析时收敛速度慢、初始值选取不当等问题,为实现谐波的准确检测,提出双自适应BP神经网络和快速TLS-ESPRIT(总体最小二乘法—旋转矢量不变技术)相结合的检测方法。该方法利用快速TLS-ESPRIT算法得到频率和信号源个数,将频率作为BP神经网络的初始值,信号源数作为中间节点个数,经双自适应BP神经网络得到网络权值,进而完成谐波的幅值和相位检测。仿真试验结果表明,该算法在检测谐波时,检测速度更快,且具有较高的检测精度。