BP网络在水轮发电机组振动故障诊断中的应用研究

将人工智能引入水轮发电机组的故障诊断,有利于大中型水电厂“无人值班（少人值守）”管理模式的加速发展。本文首先简单介绍了人工神经网络的基本性能和ＢＰ网络模型及算法,然后将神经网络中的ＢＰ模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于ＢＰ网络的水轮发电机组振动故障诊断方法具有很高的实用价值。     

远程分布式水轮发电机组振动监测与故障诊断系统的研究

针对水轮发电机组振动监测与故障诊断的多样性和复杂性,运用虚拟仪器技术和网络软硬件资源,设计并组建远程分布式水轮发电机组振动监测与故障诊断系统.本文描述了该系统的整体方案,软、硬件构成及其功能.该系统实现了水轮发电机组振动信号的数据采集、处理和分析,并能通过网络进行故障诊断.实际应用证明,这种基于虚拟仪器技术的远程分布式水轮发电机组振动监测与故障诊断系统具有很强的灵活性和可扩展性.     

BP网络在水电机组故障诊断中的应用研究

介绍了人工神经网络的基本性能和ＢＰ网络模型及算法,并将神经网络中的ＢＰ模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于ＢＰ网络的水轮发电机组振动故障诊断方法具有较高的实用价值。     

BP网络在水电机组振动故障诊断中的应用研究

介绍了人工神经网络的基本性能和BP网络模型及算法,并将神经网络中的BP模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于BP网络的水轮发电机组振动故障诊断方法具有较高的实用价值。     

BP网络在水轮发电机组振动故障诊断中的应用研究

该文介绍了人工神经网络的基本性能和BP网络模型及算法 ,然后将神经网络中的BP模型应用于水轮发电机组振动故障诊断中 ,比较了选择不同的网络参数对诊断系统性能的影响。实验证明 ,基于BP网络的水轮发电机组振动故障诊断方法具有很高的实用价值。图 2表 5参 9     

用C++ Builder实现水轮发电机组故障诊断专家系统

水轮发电机组的工作状态监测与故障诊断系统是水电站水轮发电机组的重要组成部分。提出了一种用C++ Builder实现水轮发电机组故障诊断专家系统的方法，给出了状态监测与故障诊断系统硬件总体简化框图，故障诊断软件系统的设计、功能、专家系统各部分的实现方法等，重点在于推理机的控制策略及不精确推理算法。     

SJ-721A型调速器导叶行程变送器安装位置的改进

针对调速系统传统方法安装的导叶行程变送器存在的弊端及其对水轮发电机组调节产生的严重影响，对导叶行程变送器的安装位置及安装方法进行了改进，以提高水轮发电机组安全生产和稳定运行的可靠性。     

基于改进遗传算法的水轮发电机组温度控制系统研究

为了能够提高水轮发电机组的控制效果,研究了基于改进遗传算法的温度控制技术.首先,分析了改进遗传算法,从进化方式、适应度函数、选择算子、交叉算子以及遗传算子等方面进行讨论;然后,研究了基于改进遗传算法的水轮发电机组温度控制器;最后,进行了基于改进遗传算法模糊PID控制技术的水轮发电机组温度仿真分析,仿真结果表明,基于改进遗传算法的控制方法具有很好的鲁棒性.     

基于Internet的水轮发电机组远程监测和故障诊断系统的研究

为了确保水轮发电机组的安全稳定和经济运行,需要对水轮发电机组进行监测与故障诊断.作者提出在Internet和Windows环境下利用有效的网络资源、PXI、MXI-3和DataSocket技术,采用易于扩展的客户/服务器结构模式来设计水轮发电机组的远程监测和故障诊断系统.文中对该系统的总体方案、软硬件组成及系统的功能作了详细的说明.该系统实现了水轮发电机组信号的数据采集、数据分析和处理,并能通过Internet进行故障诊断,具有良好的应用前景.     

基于双参数方法的水轮发电机组故障诊断规则表示和推理问题研究

基于知识的故障诊断系统在水轮发电机组故障诊断研究工作中是重要的课题,需要解决故障诊断规则表示及故障诊断推理2方面的不确定性问题。文中介绍了水轮发电机组故障诊断规则基于双参数方法的规则表示方法及其推理诊断评价和咨询评价方法。在总结水轮发电机组故障诊断规则相关关键问题的基础上,将双参数方法应用到水轮机组故障诊断不确定性规则表示及不确定性诊断推理问题中。通过实例介绍了双参数方法在获取故障诊断规则不确定性参数方面的应用及其在故障诊断推理过程中的应用。     

应用神经网络和重复控制的逆变器综合控制策略

针对脉宽调制(pulse width modulation,PWM)逆变电源控制系统,提出一种基于(diagonal recurrent neural network,DRNN)在线自整定PID控制和改进重复控制相结合的新型综合控制策略,给出PID参数在线自整定的控制算法和改进重复控制器的设计参数。利用改进重复控制改善系统的稳态性能,利用对角递归神经网络在线自整定PID控制提高系统的动态性能,既能克服常规控制逆变器波形跟踪性能差的不足,又能极大改善重复控制逆变器动态响应滞后的问题。实验结果表明,该综合控制策略能实现逆变器的快速动态响应和高精度稳态输出波形。     

神经网络的柔性改进及其在开关磁阻电机控制中的应用

提出三自由度柔性双极性神经网络的结构、原理以及算法,由于网络多自由度学习的特点,使得其学习能力较传统神经网络大为增强。为了全面研究网络柔性对学习能力及复杂性的影响,将三自由度网络与单自由度网络及两自由度网络进行了比较。在学习逼近开关磁阻电机非线性磁化曲线过程中,基于三自由度的神经网络表现出优良的性能,和传统神经网络及两自由度网络比,其更加柔性的特点可以使网络具有更少的神经元、更快的学习速率。基于所提三自由度神经网络,建立了开关磁阻电机转矩逆模型和磁链模型,构建了电机控制系统,有效补偿了电机的非线性特性。仿真结果表明,基于柔性神经网络的开关磁阻电机控制系统有效降低了转矩脉动,系统运行平滑。     

改进型组合RBF神经网络的变压器故障诊断

提出了一种在逼近能力、分类能力、学习速度等方面都优于BP神经网络的径向基函数神经网络和组合诊断的概念,并将其应用到变压器DGA故障诊断中。在处理输入数据和改进训练方法后,组合RBF神经网络诊断变压器故障训练速度快、收敛精度高、诊断准确。     

一种基于多神经网络的组合负荷预测模型

针对BP神经网络、RBF神经网络和小波神经网络应用于负荷预测时所遇到的问题,提出了一种基于各种神经网络的组合预测模型。该模型为单输出的3层神经网络,即将3种神经网络的预测结果作为神经网络的输入,将实际负荷值作为神经网络的输出,使训练后的网络具有预测能力。该模型能降低单个神经网络的预测风险,提高预测精度。仿真结果表明,所提出的组合预测模型的精度高于其中任一单一网络模型,也高于传统的线性组合预测模型。     

基于多分辨正交多小波的神经网络研究

根据多小波空间中函数的多分辨率分解思想,构造了一种基于正交多小波的神经网络.该网络和小波网络结构相似,只是用同时具有紧支撑集、对称性、正交性和高阶消失矩的多尺度函数和多小波函数代替单尺度和单小波函数作为网络的激励函数.从理论上分析可得,多小波网络比单小波网络的收敛速度要快.为了比较这两种网络,对两种网络进行了对比仿真.仿真表明,实验结果和理论相吻合,另外多小波网络比单小波网络有更好的测试能力.     

BP神经网络在弹簧快速设计中的应用

无初拉力圆柱螺旋拉伸弹簧（以下简称弹簧）的没计通常采用试凑法。本文提出的神经网络应用方法，只要对多组已有弹簧设计方案的结果进行学习训练，就能得到同类弹簧快速设计的神经网络模型。通过实例的检验，证实了该设计方法的正确性和有效性。     

基于优化卷积神经网络的电缆早期故障分类识别

准确识别电缆早期故障是及时消除故障隐患的必要前提。提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障。通过小波变换提取过电流信号特征,构建卷积神经网络,进行训练调整网络参数形成输入特征与类别编码之间的映射关系。为解决训练过拟合和学习效率的问题,通过修正损失函数和采用自适应学习率的方法优化卷积神经网络。仿真结果表明,所提方法能对过电流信号进行有效分类,准确识别电缆早期故障,具有较高的工程应用价值。     

基于修正组合模型的河川径流中长期预报

为了充分发挥灰色模型在单变量预测及神经网络在处理非线性问题上的优势,同时降低二者的线性组合模型中组合权系数计算方法的不确定性对模型预测效果的影响,本文基于修正组合预测的思想,借助马尔科夫链对灰色GM（1,1）、BP神经网络及组合灰色神经网络模型预测的误差序列进行了修正处理,并通过分析比较修正单一模型与修正简单组合模型在中长期径流预测精度上的差异,提出了基于修正组合模型的河川径流中长期预报方法。将该方法应用于黄河中游区四条一级支流窟野河、秃尾河、无定河与孤山川的控制性水文站年径流预测中,结果表明基于马尔科夫链修正的组合灰色神经网络模型具有更好的拟合与预报精度,是一种更有效的径流预测方法。     

神经网络在水轮机建模中的应用

讨论了各种水轮机特性曲线的处理方法,提出了利用神经网络技术建立水轮机非线性数字模型的新方法,所建立的水轮机特性神经网络模型能真实地表达水轮机的特性,解决了插值法的导数不连续问题,改善了水击计算的收敛性.     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.