基于IQPSO-BP算法的煤矿瓦斯涌出量预测

针对煤矿回采工作面瓦斯涌出的非线性特征,提出一种基于改进量子粒子群优化BP神经网络(IQPSO-BP)的瓦斯涌出量预测方法。鉴于量子粒子群算法的遍历能力有限,采用混沌序列来初始化量子的初始角位置。同时,采用凸函数调整惯性权重,以平衡算法的全局勘探和局部开发能力。并依此来优化BP神经网络的权值、阈值参数,进而建立了瓦斯涌出量预测模型。试验结果表明,IQPSO-BP算法具有较强的泛化能力及较高的预测精度,可有效用于煤矿瓦斯涌出量的预测。     

异步电动机故障诊断粒子群优化神经网络模型研究

为了提高异步电动机故障诊断的准确性,采用了一种自适应权重粒子群优化神经网络的方法,用于BP网络的初始权值优化,并用优化好的BP网络进行故障诊断。仿真结果表明,该算法克服了BP网络收敛速度慢、易陷入局部极小的问题,取得了较好的诊断效果。     

钢坯三维热状态模型的可视化研究

针对昆明钢铁集团有限责任公司第二轧钢厂加热炉在钢坯加热过程中,由于加热炉炉内热状态复杂,测温技术有限,难以直接测出被加热钢坯的内部温度,以确保适时出钢。因此导致钢坯加热质量不易保证,难以充分发挥加热炉的效率,造成能源浪费严重,故对钢坯加热状态可视化问题的研究就显得非常重要。鉴于此,本文首先运用VC＋＋6.0软件制作钢坯三维温度场的虚拟可视化操作界面,并用OpenGL进行图形化表现。实验数据表明,该图可以直观、准确地反应钢坯的加热状态,达到对钢坯三维热状态可视化监控的目的,为实时出钢提供依据。     

电化铝版缝调整PLC控制系统应用设计

可靠性高、抗干扰能力强的电气设备是保证产品质量的关键.本文以OMRON CP1H PLC为例,结合印刷业电化铝版缝调整生产过程控制及其要求,调整电化铝烫印位置,并给出其控制系统的应用设计,即提高了电化铝利用率,又保证顺利生产和转印效果良好.该设计在实际生产中效果良好,满足生产要求.     

证据理论融合蚁群神经网络的短期负荷组合预测

为提高短期负荷预测的精度,引入了证据理论融合蚁群神经网络的组合预测方法,根据重庆市负荷的实际数据,采用蚁群神经网络作为单一模型对其进行初步预测,由BP神经网络对预测误差及主要外界影响因素进行分析建模,获得了每个模型的可信度,并用证据理论对可信度进行合成得到组合权值,进而实现对短期电力负荷的组合预测。结果表明,该方法拟合误差小、预测精度高,具有一定的应用价值。     

基于改进粒子群优化BP网络的水轮发电机故障诊断

针对常规BP神经网络在水轮发电机振动故障诊断中存在的收敛速度慢、易陷入局部极小等缺陷,提出了一种基于改进粒子群算法优化神经网络的方法,实现了BP网络的权值优化,并对水轮发电机的振动故障进行了诊断.实例仿真结果表明,该方法具有较好的分类效果,适用于水轮发电机的故障诊断.     

基于改进粒子群优化神经网络的电力变压器故障诊断

为了提高电力变压器故障诊断的准确性,采用了一种自适应变异粒子群优化神经网络的方法,用于BP网络的权值优化。并根据变压器的故障特征,用优化好的BP网络进行故障诊断。该算法修正了粒子个体行动,克服了标准粒子群和BP网络易陷入局部极小的问题。实例仿真结果表明,该方法具有较好的分类效果,具有一定的实用性。     

改进证据理论与神经网络集成的变压器故障诊断

针对变压器故障类型的多样性以及故障信息的不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为实现Dempster合成规则在强冲突证据间信息融合后可信度分配的合理赋值,引入了信任系数的概念,对融合结果进行修正,并应用于最大-最小蚂蚁系统与神经网络算法所形成证据体的合成之中。实验仿真结果表明,该方法可以在初级诊断模块的判断结果出现严重分歧的情况下,仍得到较好的符合性判定结论,从而实现对变压器故障的有效诊断。     

变风量空调系统机组部分的建模与仿真

本文针对变风量空调系统存在耦合,难以稳定运行的情况,把空调系统分解为机组部分和末端部分来考虑。对机组部分采用最小二乘法建模,并提出了基于单神经元自适应PID控制方案。应用Matlab软件对其进行仿真,仿真结果令人比较满意,证明了这种控制策略的可行性。