基于模糊BP神经网络的发动机磨损模式识别研究

结合大量铁谱分析数据与专家经验,分析了发动机磨损模式识别原理,给出了发动机磨损模式识别标准样本库,建立了发动机磨损模式识别的BP神经网络模型,并结合磨损模式识别实例,验证了识别结果的可靠性。实践证明,BP神经网络方法能够快速、准确、有效识别发动机磨损模式。     

模糊数学在铁谱图像识别中的应用

将模糊数学的判别方法应用到模式识别中去,对铁谱图像进行智能识别。其方法就是通过将各磨粒的特征向量与典型磨粒的特征向量进行分类,利用模糊数学中的择近原则进行模式识别,从而判断磨粒类型。实验结果表明模糊数学在模式识别领域的应用有一定的实际价值。     

模式识别在发电机局部放电检测系统中的应用

本文简要介绍了发电机局部放电及在线检测系统的结构,主要分析了BP神经网络学习算法及在发电机局部放电模式识别方法中的应用。通过对发电机三种典型放电模式的识别,验证了基于该算法的模式识别方法可应用于发电机局部放电检测系统中。     

基于模式识别的燃气管网泄漏检测技术

管道泄漏检测是确保燃气管道安全运行的重要技术手段,然而由于城市燃气管网是错综复杂的环状管网,目前尚没有一种方法能较好的对城市管网进行安全监控和泄漏检测。模式识别技术是燃气管网泄漏检测技术发展的方向,针对环状管网应用模式识别技术中存在特征向量维度大的问题,提出了管网分区检测的思想,并阐述了其在管网泄漏检测中的具体步骤。最后通过一实例验证了模式识别法用于城市环状燃气管网泄漏检测的可行性。     

基于粗集理论的柴油机磨损模式识别方法

在总结柴油机磨损模式的磨粒分析基础上,首次提出了在柴油机磨损模式识别中采用基于粗集理论的模式识别方法。道德对磨损模式知识表达系统进行了简化,在此基础上,求解并简化决策规则,最后用检验样本验证了识别结果的可靠性。     

模糊识别优选模型在工程投资决策中的应用

将模糊模式识别理论引入工程财务评价领域,结合工程实例,用模糊模式识别模型对6种投资方案进行了优选分析,得出了方案的优先次序,并对指标权重进行了敏感性分析研究。评价结果可作为决策的依据,同时也为工程的投资方案决策提供了一条新的评价分析途径。     

发动机磨损模式的FGRD识别模型

发动机磨损模式识别是实现发动机故障诊断和状态监测的关键环节.根据灰色系统理论和模糊数学,引进了一种灰关联度综合评价模型和模糊相对权重的概念.根据铁谱分析的磨粒识别结果,将两者相结合运用到铁谱分析的磨粒识别中,提出了一种新的基于模糊灰关联度的发动机磨损模式识别方法,计算表明,方法是有效的.     

基于模糊识别理论的典型洪水选择

以漳河流域岳城水库为例,选取30场实测洪水,分析了洪水过程相关统计特性,确定了能反映洪水特性的因子指标.构建了典型洪水模糊模式识别模型,采用可能度法计算各影响指标权重、运用最小级别变量特征值原则对典型洪水模糊模式进行优选,根据优选的典型洪水进行了设计洪水计算.实例结果表明,模糊模式识别模型计算结果优于传统方法.     

基于主成分分析法的BP神经网络在气敏传感器阵列检测方法中的应用

模式识别方法在变压器的油色谱数据处理中起着至关重要的作用。采用主成分分析法与BP神经网络相结合的方式对传感器检测的油中气体进行处理,解决了传统的BP神经网络模式识别收敛速度慢且精度不高的问题。之后将基本的BP神经网络分析法与BP神经网络主成分分析法作了对比。结果表明,该方法能有效解决气体传感器的交叉敏感问题,提高了网络的训练速度和气体的检测精度。     

模糊模式识别通用模型及在灌溉技术优选中的应用

针对复杂大系统多层次、多因素的特点，在模糊模式识别理论的基础上，提出了适用于系统任一层次的模糊模式识别通用模型，并应用该模型对灌溉技术方案进行优选。在优选过程中，将优与劣之间分为多个级别以提高模型识别的合理性。由于指标权重对决策影响较大，为克服以往方法中的不足，提出主、客观相结合的方法确定指标权重。实例证明了模型和方法的可行性与实用性。     

基于模糊模式识别的电站锅炉能损故障分类

以电站锅炉各部分受热面烟温与额定烟温的差值为特征参数,建立了基于模糊模型识别的三种能损类型漏风,污染和煤质变劣的模糊模式识别模式,此模式可以权根据不同部位的烟温度化而对能损类型进行有效的识别。     

Nonlinear fuzzy modeling of a MCFC stack by an identification method

This paper reports a nonlinear fuzzy modeling study of a molten carbonate fuel cell (MCFC) stack by an identification method. MCFC is a complex nonlinear, multi-input and multi-output (MIMO) system that is hard to model by traditional methodologies. The Takagi–Sugeno (T–S) fuzzy model is suitable to model a large class of nonlinear MIMO system. In this paper, a MIMO T–S fuzzy model is used to represent MCFC. An identification method is used to determine both the nonlinear parameters of the antecedents and the linear parameters of the rules consequent in the T–S fuzzy model. The simulation tests reveal that obtained T–S fuzzy model using the identification method can efficiently approximate the static and dynamic behavior of a MCFC stack. Furthermore, based on this proposed T–S fuzzy model, valid control strategy studies such as predictive control, robust control can be developed.     

Australian Electricity Market

A neurofuzzy methodology for online nodal load prediction is introduced that exploits the power of artificial neural networks (ANN) and fuzzy logic. ANNs are used to capture the power consumption patterns specific to a customer, while a fuzzy logic module detects departures from equilibrium (that is, previously established consumption patterns). The fuzzy-logic-based (FL) module (called PROTREN) performs signal trend identification. The proposed methodology improves the adaptability of the forecasting system to sudden changes or special events that may influence the load by temporarily distorting the general pattern and thus rendering the load signal highly unpredictable. Experiments have been performed to verify the effectiveness of the new methodology. Results show that the methodology has a better performance than those using traditional forecasting methodologies, especially when special events influencing the load occur.     

基于T-S模型的质子交换膜燃料电池控制建模

对PEMFC非线性复杂被控对象,提出了一种在线辨识模糊预测算法,用模糊聚类和线性辨识方法在线建立PEMFC控制系统的T—S模糊预测模型,仿真实验结果表明了该模糊辨识建模方法具有建模简单、模型精度高等优点,亦证明了该算法的有效性和优越性。研究结果对质子交换膜燃料电池控制系统的建模和控制具有一定的实用价值。     

基于超平面原型聚类的水轮机调速系统模糊模型辨识

针对水轮机调速系统的辨识难题,提出了1种基于超平面原型聚类的T-S模糊模型辨识方法.基于局部模糊模型线性度的重要性,推导出1种基于超平面的模糊聚类算法.该算法以优化局部模型线性度为目标,进行模糊模型前提结构辨识,能使局部模型具有良好的线性度;它应用变尺度混沌优化方法搜索最优聚类结果,避免陷入局部极小;应用最小二乘法实现模糊模型结论参数辨识.以某水电厂水轮机调速系统为对象,采用该方法建立了T-S模糊模型,并对其进行了辨识和对比试验.结果表明:建立的T-S辨识模型具有较高的辨识精度及较强的泛化能力,提出的模型辨识方法有效可行.     

三角模糊数在水电工程风险识别中的应用

为实现风险因素识别的数量化和科学化、提高风险识别的效果,基于水电工程特点,提出在风险因素识别中引入三角模糊数法进行量化研究,构建了施工过程中风险评价指标体系,计算了三角模糊数风险判断矩阵的期望值,并对互补判断矩阵进行排序进而获得风险指标权重.计算结果表明,该方法可实现识别水电工程中存在的风险.     

PEMFC的Elman神经网络建模与模糊神经网络控制

从质子交换膜燃料电池（PEMFC）实际应用的角度出发，采用Elman动态神经网络对PEMFC系统进行建模，以实验中采样到的PEMFC系统的工作温度输入输出数据训练网络，并采用动态反向传播学习算法根据误差不断调整网络参数直至达到要求精度。设计了一种适应模糊神经网络控制器，根据经验确定了初始隶属度函数和模糊规则，并采用自适应学习算法不断调整隶属度函数与模糊规则参数，使控制系统获得理想的输出。仿真实验以Elman神经网络模型为参考模型，使用自适应神经网络控制算法取得了较好的控制效果。总之，所设计的控制系统适合于控制PEMFC这样一类复杂非线性系统。     

自适应模糊控制在热力系统容错控制中的应用

在热力系统中采用容错控制技术,可以提高控制系统的可靠性,同时降低运行成本。研究采用自适应模糊控制实现非失效的被动容错控制。提出一种新的自适应模糊控制器;采用基于动态神经元网络的辨识模型学习被控对象的动态特性,设计了评价模糊控制器性能的FITAE指标;采用遗传算法优化模糊控制器参数,同时优化比例因子和控制规则表。为了提高模糊控制器的自适应调整速度,采用二阶段优化策略。仿真研究表明:自适应模糊控制器的热力系统被动容错控制方法是可行的。图3参7