基于神经网络的流动预测模型研究

以S形进气道为研究对象的主动流动控制研究中,流场状况分析对控制器的设计起到至关重要的作用,而在实时控制中,显然不可能通过流场的数值模拟获得流场分布情况。本研究从神经网络模型辨识理论出发,结合进气道流场的数值模拟结果和实验采集数据,对神经网络进行训练和验证,建立了不同来流马赫数下进气道沿程壁面静压的预测模型,模型拟合误差为0.007,预测结果与实际实验结果相符,证明了从辨识理论出发建立流场模型的可行性,为流场状况的实时获取提供了可靠易行的方法。     

电力设备状态的智能诊断研究

本文介绍了一种智能诊断电力设备及其相关机械设备技术状况的方法,该方法是基于模糊逻辑和神经网络的结合使用。模糊子模型决定了每个故障的发展程度,神经网络作为一个整体来确定对象的状态。对无刷直流电机及其相关设备在不同转速下的诊断方法进行了实验研究,发现这种方法可以在任何速度下进行故障排除,信息量最大的比率等于最大比率的一半,实验中检测到的故障在电力设备检查中得到了证实。     

基于预测模型的模糊_PID控制试验研究

针对电加热锅炉夹套温度控制的大滞后、时变性等特点,设计了基于预测模型的模糊-PID(Fuzzy-PID)控制器.建立了预测模型,利用模糊规则调整预测模型系数K值,使加入预测模型的Fuzzy-PID控制器的动态性能和稳态精度都得到了很大的提高.在Matlab中实现了Fuzzy-PID控制的仿真,进行了试验测试,通过仿真和试验可看到加入了模糊控制规则的控制器比常规PID控制器响应更迅速,超调小、且抗扰动能力增强.试验结果表明.该控制方案下的控制效果较好.     

神经网络预测模型的AVFFRPE算法

针对动态多层神经网络结构，运用自适应向量遗忘因子递推预报误差算法对充式水力机组进行了在线建模研究，研究结果证实了该算法的有效性。     

基于Elman神经网络的面板堆石坝沉降预测模型

分析了某面板堆石坝运行初期坝体的监测资料,选择水压分量与时效分量为影响因子构建逐步回归分析模型,应用反馈神经网络理论建立Elman神经网络模型,并与逐步回归模型预测精度做了对比分析.结果表明,Elman神经网络模型预测精度高、可靠,有助于分析大坝的安全性态.     

红外测温诊断技术在高压电力设备状态检修中的应用

高压电力设备诊断可为其设备状态检修提供有价值的参考依据,对电力设备维修效果具有提升作用.介绍了红外测温诊断技术的基本特征与检测故障类型,着重分析了其在高压电力设备状态检修中的应用.     

基于模糊神经网络的机械故障诊断研究

将模糊分类和传统神经网络相结合,建立了模糊神经网络（ＦＮＮ）故障诊断模型,并将该模型应用于透平机械故障诊断,同时在模糊神经网络的输出中引入故障概率因子,分析表明ＦＮ怕性能优于传统ＢＰ网络。     

基于模糊分类的无监督神经网络与内燃机缸内部分状态的在线监测

本根据模糊识别原理，引入集合分类概念，提出了一种用于在线监测发动机缸内部件故障的无监督竞争学习模糊神经网络。该网络权需正常状态下的振动信号样本集及少量的故障状态样本进行学习，并且它可根据噪声及运行工况的变化，自适应地调整代表正常状态下的网络权值；采用对比增强及加权方法，抑制各样本中的噪声影响。用本方法对ＥＱ６１００汽油机和１９０Ａ柴油机人工设置的缸套活塞磨损故障进行诊断，取得了理相的效果。本     

基于模糊神经网络的凝汽器故障诊断系统

凝汽器是凝汽式汽轮机的主要辅助设备之一,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.针对此情况,结合模糊理论与神经网络两种故障诊断方法的优势,建立凝汽器故障诊断专家系统.系统采用模糊隶属度函数表示难以准确描述的领域专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性.     

基于模糊神经网络的柴油机经济性指标预测

本文采用模糊神经网络方法,通过对柴油机标准产品样本的学习,构造了一个柴油机经济性指标预测系统,并且用一个实例验证了这种方法的可行性。     

基于模糊神经网络模型的中国电力装备 制造产业安全评价研究

电力装备制造产业的安全问题,是关系中国电力能源业安全,甚至关系国民经济安全的重大问题。为了定量地综合评价电力装备制造产业的安全状况,结合目前电力装备制造业的行业特点,根据影响电力装备制造产业安全的因素,建立了包括产业国内环境、产业国际竞争力、产业对外依存度、产业控制力等4个单元、16个指标的多因素多级指标评价体系。采用模糊神经网络评价模型,通过定量的方式对中国电力装备制造产业的安全状态进行了综合评价,得出中国水电设备制造产业的产业安全状况为"良好"的结论,同时也证明了模糊神经网络模型应用于安全评价的可行性。     

模糊神经网络预报模型的研究

模糊系统与神经网络都能实现非线性的输入输出关系,但各有其优缺点。在对两者结合可行性和结合形式进行论述的基础上,探讨了采用结构等价型模糊神经网络建立大坝安全监控预报模型的方法和步骤,并将其应用于对某大坝变形的预测预报。实例分析表明,该模型预测结果优于常规统计模型,且模型的学习能力和表达能力均很强。     

基于模糊神经网络的发动机故障诊断专家系统的研究

根据发动机的组成结构、功能原理及维修专家的实际经验，提出了一种基于模糊神经网络的故障诊断方法，将模糊逻辑和神经网络与传统的专家系统结合起来，开发出发动机故障诊断专家系统软件。该系统具有推理过程简单、快捷和准确等优点。     

基于Bagging神经网络集成的风功率预测

鉴于准确预测风功率对风电并网系统安全、稳定运行具有重要意义,提出了基于Bagging神经网络集成的风功率预测模型。先利用拉伊达(3σ)准则对数据进行预处理得到有效的风机数据,结合灰色关联度和Relief算法对数据进行特征提取;其次在Bagging集成学习中使用Bootstrap抽样,随机产生K个训练集并用自组织RBF神经网络(ErrCor-RBF)分别对风功率进行预测;最后叠加K个预测结果取均值得到最终预测结果。仿真结果表明,Bagging神经网络集成的风功率预测模型性能更好、预测精度较高。     

基于模糊神经网络的发动机故障诊断专家系统的研究

根据发动机的组成结构、功能原理及维修专家的实际经验,提出了一种基于模糊神经网络的故障诊断方法,将模糊逻辑和神经网络与传统的专家系统结合起来,开发出发动机故障诊断专家系统软件.该系统具有推理过程简单、快捷和准确等优点.     

基于遗传算法优化神经网络的齿轮故障诊断

针对齿轮故障诊断的重要性和复杂性,基于神经网络固有的局部极小值及遗传算法良好的全局收敛能力和搜索性,在遗传算法优化初始权值和阈值的基础上构建了GA-Elman神经网络的故障诊断系统.仿真结果表明,该方法用于齿轮常见故障诊断和预测有效、可行.     

基于LM算法的模糊优选神经网络模型

针对传统模糊优选神经网络模型训练速度慢、训练结果易陷入局部最小解的缺点,提出了基于LM算法的模糊优选神经网络模型且对传递函数进行了改进,并预测分析了黄河内蒙段的三湖河口站和巴彦高勒站冰情.实例结果表明,改进模型训练速度更快、训练预测结果更优.     

基于总体平均经验模态分解与改进Elman神经 网络的风功率组合预测

风功率的短期预测对于电力系统的安全稳定运行具有重要意义。提出了一种基于总体平均经验模态分解（EEMD）和改进Elman神经网络的短期风功率组合预测方法。首先利用EEMD分解将风功率序列按不同波动尺度逐级分解,得到不同频率的分量以缓解风功率序列的非平稳性,然后对各分量分别建立改进的Elman神经网络预测模型进行预测,最后叠加各分量的预测结果得到最终预测数据。仿真结果表明,该方法不仅可以有效缓解风功率非平稳性对于预测精度的影响,还可以避免传统方法的模态混叠问题,具有较高的预测精度和适应性。     

基于变分模态分解和改进鲸鱼算法优化的模糊神经网络风速预测模型

风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出了一种基于变分模态分解(VMD)和改进鲸鱼算法优化的模糊神经网络(VMD-CGWOA-ANFIS)的混合预测模型。该模型首先使用变分模态分解技术将原始风速序列分解为一系列子序列,而后对各子序列分别采用模糊神经网络(ANFIS)建立预测模型。为进一步提高预测精度,同时克服鲸鱼(WOA)算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法(CG)对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对变分模态分解后的各子序列进行预测,最后将预测后的各子序列叠加得到最终预测结果。为测试模型的有效性,选择宁夏地区3组实际风电数据进行模拟试验,将ANFIS,VMD-ANFIS,VMD-WOA-ANFIS与提出模型进行对比,结果表明所提出的混合模型预测精度明显高于其他对比模型。