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.     

基于蜻蜓算法优化BP神经网络的燃气轮机故障诊断

为了提高燃气轮机故障诊断的准确率,提出了一种基于蜻蜓算法(Dragonfly algorithm,DA)和BP(Back Propagation)神经网络的燃气轮机故障诊断方法。针对BP神经网络容易陷入局部极值的问题,采用蜻蜓算法(DA)对BP神经网络的权值和阈值进行参数优化。仿真结果表明:基于蜻蜓算法的DA-BP神经网络的燃气轮机故障诊断准确率高达97.78%,训练误差为0.03%,与基于粒子群算法的PSO-BP故障诊断和标准BP算法的故障诊断相比,DA-BP模型诊断的准确率最高,训练误差最小。实例证明,采用DA-BP模型实现燃气轮机气路故障诊断具有良好的诊断速率和诊断准确率,具有一定的应用价值。     

基于果蝇算法优化BP神经网络的齿轮箱故障诊断

为有效提高风电机组齿轮箱故障诊断的快速性和准确性,采用近几年出现的果蝇算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,果蝇算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,果蝇算法优化BP神经网络对风机齿轮箱故障诊断具有可行性和有效性。     

基于遗传算法优化BP神经网络的垃圾焚烧炉结渣预测模型

利用遗传算法优化BP神经网络的初始权值和阈值,建立了垃圾焚烧炉对流受热面积灰结渣BP网络预测诊断模型。将建立起的BP网络模型应用于某焚烧处理生活垃圾量520t/d的发电厂机组,经过训练后的BP网络模型对检验样本的焓差进行仿真预测,优化前的平均相对误差为2.579%,优化后的平均相对误差为0.426%,表明经遗传算法优化后的BP神经网络更能准确地预测锅炉对流受热面的结渣状况,从而为优化吹灰提供指导,具有重要的实用价值。     

基于BP神经网络与改进遗传算法的泵站优化调度

通常泵组件的调节主要依靠工程师经验,难以保证水泵在所有时段内均高效运行,易造成能源浪费,对此提出了以效率模型为依据的泵站优化调度方法。为减小误差,使用泵站实际运行数据基于BP神经网络训练水泵特性。在此基础上,利用训练后的数据初始化种群,以泵站效率之和最小为目标,建立泵站优化调度数学模型,设定水量、压力和高效区等约束条件,采用改进的遗传算法求解水泵组合方案及各泵运行参数。结果表明,改进遗传算法对泵站调度的优化效果明显,可适用于泵站的优化节能运行。研究成果为泵站优化调度运行提供了一种新方法。     

基于遗传算法优化BP神经网络的管网漏失定位模型研究

针对BP神经网络用于管网漏失定位时易出现收敛速度慢及陷入局部极小值的问题,利用遗传算法对BP神经网络的权值和阈值进行优化,并以A市供水管网为例,选取各个分区的供水管段进行不同程度的漏失模拟,将模拟数据作为训练样本训练遗传算法优化的BP神经网络,得到管网漏失时压力监测点的压力变化率和漏点位置之间的非线性关系,构建基于遗传...     

基于BP神经网络的水电站电气设备故障诊断

阐述BP神经网络应用在水电站电气设备故障诊断中的目的,通过查阅文献并结合专家经验,构建了电气设备的故障诊断知识库,并建立神经网络模型。最后,以一个故障诊断实例进行具体分析,验证BP神经网络的可行性与优越性。     

基于遗传算法和BP神经网络的电价预测

给出了一个发电例竞价模型中应用遗传算法与BP算法结合进行市场出清价预测的实例。与使用传统BP神经网络预测的方法进行比较，结果表明，该方法具有更高的预测精度，并总能收敛于全局最优解。     

基于BP神经网络的燃气轮机冷热部件故障诊断

为解决燃气轮机故障诊断中可测参数难以直接反映机组故障状态的问题,在分析燃气轮机冷热部件组成和故障判据的基础上,提出利用小偏差方程建立并求解燃气轮机故障数学模型,并结合故障判据寻找可测参数与性能参数的关系,确立从可测参数到性能参数,再到故障原因的诊断思路。另外,将BP神经网络作为故障诊断工具,通过向网络中输入8个机组可测参数来实现智能故障诊断,为燃气轮机的快速精确诊断提供了可参考的思路和方法。     

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法

提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。     

基于BP神经网络与遗传算法风电场超短期风速预测优化研究

风速预测对于风力发电并网调度至关重要。基于BP神经网络建立了风速预测模型,并从BP算法及遗传算法自身特点出发,针对BP网络结构确定困难、收敛速度慢等问题,提出创建多种群遗传算法,实现对BP神经网络的结构和权值初始值的同步优化。通过具体算例表明,经优化后的BP算法的收敛步数和计算时间明显减少,预测精度更高,网络整体性能有了显著提高。     

采用遗传算法优化的煤粉着火特性BP神经网络预测模型

利用热分析（TG-DTG）数据建立了煤粉着火稳定性指数CI，它是煤粉着火温度与燃烧强度的综合反映。采用遗传算法（GA）对BP神经网络结构进行了优化，获得了影响煤粉着火稳定性指数CI的主要煤质指标（Mnd、And、Qnet、Qad、焦渣特征CRC）和最优BP神经网络的隐层数、神经元数、激活函数，建立了煤粉着火稳定性指数的优化BP神经网络预测模型。对20个校验样本进行了预测，得到了较高的预测精度。     

基于改进弹性BP算法神经网络转子故障诊断

为精确诊断转子故障,以转子故障模拟实验台的实测数据为研究对象,采用基于小波包能量特征向量提取的信号特征值作为网络的学习样本,采用改进弹性BP算法训练网络研究转子的振动状态。为神经网络在转子故障诊断领域更深入广泛的应用提供可参考的思路和方法。     

遗传算法优化BP神经网络在求解水文地质参数中的应用

针对BP神经网络算法收敛速度慢、遗传算法搜索速度慢,两者单独求取水文地质参数效果不佳,结合两种算法的优点,采用遗传算法优化的BP神经网络方法求解水文地质参数,提高了运算速度和结果的准确性。以某抽水井为例,对比四种常见方法与本文算法的计算误差,结果显示采用遗传算法优化的BP神经网络方法求解水文地质参数误差最小,求参结果更为可靠。     

基于自适应遗传算法和BP网络的汽轮发电机组故障诊断

为了克服BP算法中存在的网络学习速度慢,以及容易陷入极小的问题,在运用改进遗传算法的基础上,探讨了一种自适应遗传神经网络算法结合模型,并将其应用于汽轮发电机组故障识别。实验数据表明:该算法收敛速度快,能有效地识别故障,具有一定的参考价值。     

基于遗传算法及BP神经网络的混合孤岛检测方法

文章提出一种基于遗传算法及BP神经网络的混合光伏孤岛检测方法,该方法通过遗传算法优化了BP神经网络的初始权值和阈值,有效改进了BP神经网络局部最优的缺点。通过对其检测机理和在Matlab/Simulink实验结果的分析,该方法检测盲区更小,不影响系统电能质量,检测速度更快,误判率低。在DSP中进行了该算法的软硬件实现,实验结果验证了这种方法的正确性和有效性。     

基于BP神经网络和遗传算法的污水处理厂电耗预测

污水处理为高电耗行业,有效预测电耗对污水处理厂节能优化有深远影响。以广东省某中小型污水处理厂18个月的数据为例,采用BP神经网络建立了电耗预测模型,将提升泵、回流泵、鼓风机的运行时间和频率及OPR、MLSS、好氧池DO、缺氧池DO、进水流量Q、COD、氨氮等33个指标作为BP神经网络模型的输入变量进行初步拟合,并用遗传算法对BP神经网络进行优化。结果表明,BP神经网络适用于电耗的拟合计算,通过与遗传算法组合,平均误差低至0.001 6,预测精度较高。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

遗传算法优化BP神经网络在大坝扬压力预测中的应用

针对BP神经网络的局部极小和收敛慢等问题,提出了利用遗传算法的选择、交叉和变异操作优化BP神经网络的权值和阈值,将优化后的BP神经网络用于预测大坝扬压力。通过实例应用,将遗传算法优化的BP神经网络与逐步回归、BP神经网络预测相对比,结果表明遗传算法优化的BP神经网络收敛快且预测结果精度高。     

基于BP神经网络与遗传算法的高压共轨柴油机喷油器结构参数优化研究

利用AVL-FIRE软件对TBD234高压共轨柴油机燃烧过程进行数值模拟,采用L16（54）正交试验作为BP神经网络的训练样本,建立喷油器主要结构参数与柴油机的燃油消耗率、NOx排放、SOOT排放之间的非线性映射关系,以燃油消耗率为优化目标,同时保持较低的NOx和SOOT排放水平,结合遗传算法进行寻优计算,获得了喷孔直径、喷孔个数、喷射夹角和喷油提前角4个参数的最优组合。