改进的BP网络在凝汽器故障诊断中应用

针对BP网络学习收敛速度慢和易陷入局部最小点的不足，提出了一种恒误差修正率控制的网络学习率自适应调整方法。将这种改进的BP网络算法应用于凝汽设备故障诊断中，在1台300MW机组上取得了实效。     

一种改进型BP网络在汽轮发电机组故障诊断中的应用

在标准BP网络基础上,提出一种加优先权值的改进BP网络模型,给出该网络模型的结构、具体的学习训练算法和反馈算法,并阐述输入层与输出层神经元部分连接的依据及其连接优先权值的确定问题。结合汽轮发电机组故障诊断实例,从单故障识别和多故障识别两个角度证明了该模型具有较强的故障识别能力,其诊断结果也更符合故障实际情况。     

基于BP网络的凝汽器故障诊断系统的进一步探讨

针对 BP网络训练过程中收敛速度慢和易陷于局部极小的缺点 ,对常规 BP算法进行改进 ,并将改进后的算法应用于凝汽器故障诊断。结果表明 ,与传统 BP算法相比 ,改进后的算法收敛速度明显加快 ,并有效地克服了 BP网络易陷于局部极小的缺点     

BP网络和Elman网络在凝汽器故障诊断中的比较与应用

凝汽器工作状况好坏直接影响凝汽式汽轮发电机组运行的安全性和经济性.分别采用自适应梯度递减学习算法的BP网络和Elman网络用于凝汽器的故障诊断.将测试样本输入已经学习好的BP网络和El-man网络中,测试结果表明这两种网络正确诊断故障的概率高达90%以上,但采用Elman网络的学习速度要比BP网络快,适合实时操作的场合...     

基于BP神经网络的凝汽器故障诊断研究

通过对现有凝汽器运行中常见的典型故障及征兆集的分析,进一步完善了凝汽器的典型故障知识库,对故障征兆的具体表达方法进行了分析。运用 Matlab 神经网络工具箱和隶属度函数两种方法对凝汽器的运行状态进行故障监测和诊断,通过实例验证表明应用 Matlab 神经网络工具箱方法不仅计算简便,而且诊断结果具有较高的可靠性。     

改进BP网络算法在配电网故障诊断中的应用研究

针对BP网络学习收敛速度慢和易陷入局部最小点的不足,提出利用一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练。该算法使BP神经网络学习速率和稳定性得到提高。将这种改进的BP网络算法应用于配电网诊断实例,用这种改进的网络算法进行分类,采用VB语言作为开发工具调用神经网络工具箱建立了一个简化的故障诊断系统,验证了该算法的有效性、正确性。     

基于BP神经网络的凝汽器故障诊断方法研究

凝汽器是汽轮机的一个重要的辅助设备 ,其工作情况的好坏直接影响到机组的安全和经济运行 ,因此 ,对凝汽器运行状态的监测与诊断受到电厂运行部门的普遍关注。介绍了应用人工神经网络中的 BP网络进行凝汽器的故障诊断 ,该方法计算简单 ,实用方便 ,且诊断结果具有相当程度的可靠性。     

火电厂凝汽器泄漏故障诊断研究

为了解决凝汽器运行过程中,其水侧换热面的污染而导致真空恶化问题,建立了凝汽器水侧管壁清洁系数的监测模型。同时,通过研究凝汽器故障机理,建立了故障诊断知识库,并根据模糊神经网络和改进的BP算法相结合的方法建立了凝汽器故障诊断系统,以及时诊断出故障的位置和原因。实例验证,该故障诊断系统诊断的结果与与现场实际检查结果一致,有效可行。     

RBF神经网络在凝汽器故障诊断中的应用

针对BP神经网络计算过程存在收敛速度慢的缺点,提出了RBF神经网络应用于凝汽器故障诊断的基本方法。介绍了RBF神经网络的结构、凝汽器的故障类型和征兆集的建立方法。对比了RBF神经网络与BP神经网络的诊断结果,证明RBF神经网络的在线诊断速度、诊断精度均优于BP神经网络,对凝汽器的故障诊断准确可靠。     

模糊模式识别在凝汽器故障诊断中的应用

运用模糊数学方法,将阀值原则和最大尿属原则相结合,建立了凝汽器故障诊断模型。实践证明,该模型能有效地判定待识别征兆集是否为病态,而且氘得隶属度差别明显,因而能准确判定故障原因。避免因待识别征兆集病态引起的误判断或因几种故障的隶属度无显著差异,而导致无法明确诊断故障的问题     

BP神经网络改进IEC-60599在电力变压器故障诊断中的应用

由于电力变压器是电力系统中重要的故障原因、故障现象和故障机理间存在着随机性和模糊性等不确定因素,故障特征量和故障征兆间没有明确的一一对应关系,这就给故障诊断增加了困难。BP神经网络诊断变压器故障已经越来越受到重视,可常规的BP算法对大样本数据进行训练时,大多存在收敛速度慢、甚至有时不收敛的缺点,因此提出了改进BP算法从而加快了训练速度和增加了诊断的可靠性。对文献[2]中提出的改进的新导则IEC-60599三比值诊断方法在进行中、低温过热故障时进行修正。     

D-S证据理论在凝汽器故障诊断中的应用

运用D-S证据理论将用不同模糊方法得出的诊断结果进行融合。试验证明，融合以后的结果比模糊方法得出的诊断结果误判率更低。运用D-S证据理论，可以减小因隶属度函数的不同而带来故障误判的可能性，从而更准确地判断故障原因。     

判决树方法在凝汽器故障诊断中的应用

运用一种属于模式识别范畴的判决树 ID3 (Identification Data)方法对凝汽器的故障进行诊断。通过实例 ,验证了该方法对凝汽器故障诊断的有效性。提出了 ID3 方法与模糊模式识别和神经网络方法相比所具有的优点 ,指出将 ID3 方法和其他人工智能方法相结合是实现凝汽器故障诊断实用化的有效途径。     

基于改进BP神经网络的风机故障诊断研究

采用动量法和学习速率自适应的改进BP神经网络进行风机的故障诊断。根据风机的故障诊断特点,确定神经网络的结构与参数。在网络训练过程中同时采用标准训练样本和含有白噪声的训练样本,使网络具有一定的容错性。实例诊断表明,改进的BP神经网络缩短了学习时间,是风机故障诊断的有效方法。     

基于改进BP神经网络的空调系统传感器故障诊断

针对普通BP算法存在的收敛速度慢以及容易陷入局部极小点等问题,提出了一种改进的BP算法,应用该算法对空调系统传感器故障进行诊断.Matlab仿真运行证明,在相同的条件下,改进的BP算法加快了网络的收敛速度,避免了陷入局部极小的问题.在故障诊断的准确率方面优于普通的BP神经网络.     

诊断模拟电路软故障BP神经网络法

首先对神经网络BP算法，提出改进并给出改进后的网络在模拟电路软故障诊断中的具体应用，仿真结果表明改进后的算法有效改善了网络的性能，能有效应用于模拟电路的故障诊断。     

运用模糊神经网络的凝汽器故障诊断系统

凝汽器系统运行中出现的故障与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示。为此,运用模糊理论与神经网络故障诊断方法,建立凝汽器故障诊断专家系统,采用模糊隶属度函数表示难以准确描述的专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性。