基于集成神经网络的多故障诊断方法

铝电解过程是一个非线性、多耦合、时变和大时滞过程,受强电场、强磁场、强热场交互干扰,形成了复杂多变的槽况特征,故障种类繁多,发生频繁,有效地故障预报和诊断,对电解系列平稳供电,节约电能、提高铝的产量和质量有重要意义。根据铝电解过程故障特点,提出了基于主成分分析的集成神经网络铝电解多故障诊断方法,建立分层故障诊断模型结构,包括子神经网络层和决策融合神经网络层,子神经网络模块采用了改进型的Elman神经网络,强化信息的记忆功能,并通过主成分分析优化了神经网络结构;决策融合神经网络通过各子网络传递的相关信息,进一步验证对子神经网络诊断结果和复合故障进行综合决策。仿真结果表明,具有良好的诊断效果,验证了该故障诊断方法的可行性和有效性。     

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.     

铝电解故障诊断的研究现状及发展趋势

铝电解是一个非线性、多耦合、时变和大时滞过程,受强电场、强磁场、强热场交互干扰,故障发生频繁。本文综述了国内外铝电解故障诊断研究状况,阐述了目前铝电解故障诊断的主要方法和发展趋势,为铝电解故障诊断技术的实用化提供理论依据。     

基于模块化神经网络的铁水硅含量预测系统

目的 提出基于模块化神经网络的铁水硅含量预测方法,改善系统控制性能指标.方法 采用模块化神经网络预测控制策略,建立模块化神经网络预测模型,按输入物理量的性质构成4个神经网络模块,再由预测神经网络输出铁水硅含量的预测值,从而控制炉温.结果 提高了学习效率和泛化能力,有效地改善了模型的预测精度.结论 模块化神经网络铁水硅含量预测模型,将同类量进行了模块划分,通过对铁水硅含量预测,可提高炉温的控制精度和动态跟踪能力,具有结构简单、实时性好、预测精度高等特点.     

基于铝电解过程的神经网络模型预测控制的应用研究

铝电解过程是一个复杂的非线性、时变和大时滞的工业过程体系,采用常规的控制方法,很难达到良好的控制效果。本文提出了一种基于铝电解过程的神经网络模型预测控制算法,建立了神经网络预测模型,将神经网络和模型预测控制算法相结合,实现了铝电解过程的最优控制。仿真结果表明:神经网络预测模型的输出能够很好地跟踪铝电解生产过程,其预测效果好,该预测控制方法可以使系统很快地达到稳态,具有很好的响应特性和鲁棒性。     

铝电解生产过程中阳极效应预报新方法研究

本文提出一种新的阳极效应预报方法 ,该方法根据故障检测原理 ,采用辨识及参数估计理论 ,可在计算机控制系统中有效地对其进行预报 ,不仅可以提高铝的产量和质量 ,而且对节能和保证整个电解系列平稳安全生产 ,具有很重要的意义。     

铝电解计算机控制系统控制策略

采用PC总线工业控制机控制铝电解过程 ,并根据铝电解生产过程不同的工作状态 ,采用不同的控制策略 ,提高了控制效果 ,是中小型铝厂较为理想的计算机控制系统     

智能型流量计的设计

在流量计中嵌入单片微型计算机,使之具有了一定的人工智能,用于测量各种流体的流量,并可实现由上位微型计算机对组网的智能型流量计进行集中管理,本文简要地介绍了这种智能型流量计的硬件和软件的工作原理及设计方法。     

层次模块化模糊神经网络在铝电解故障诊断中的应用

目的针对铝电解故障发生机理及特点，提出采用层次模块化模糊神经网络实现对铝电解故障快速、有效检测的新方法．方法利用数据处理子模块，诊断子模块，决策子模块，从而对铝电解生产过程中的故障进行诊断．结果数据处理子网络实现了对数据的特征提取，优化了数据结构，将大结构的神经网络分解成多个小网络，并用决策神经网络对故障进行模式分类．结论该方法优化了大结构神经网络的学习性能，提高了故障检测的准确率，具有良好的实用价值．     

最小二乘辨识算法在故障检测中的应用研究

针对铝电解生产过程故障发生的特点，提出用辨识及参数估计理论进行故障诊断预报的方法。通过仿真研究，确定了遗传因子和初始条件的最佳值，实现了故障诊断和预报。