基于RBF的船用污水处理装置运行状态在线监测研究

应用径向基函数RBF神经网络对船用污水处理装置运行状态在线监测,以提高船用污水处理装置运行状态监测与管理的效率。在分析了RBF神经网络原理的基础上,研究一种监测船用污水处理装置运行状态的三层径向基神经网络。通过实际在线监测数据的RBF神经网络监测训练和实验验证,表明RBF神经网络对运行状态的分类效果较佳,能够有效地监测船用污水处理装置的状态,并为装置维修提供科学的决策支持。     

模糊RBF神经网络在专家系统知识库建立中的应用

提出了一种基于模糊RBF神经网络建立故障诊断专家系统知识库的新方法,采用5层神经网络,先对输入量进行模糊化处理,然后对RBF神经网络进行学习,最后进行反模糊化处理。该模型非常适合复杂的异常炉况系统在线故障诊断。     

基于LS-SVM的石油期货价格预测研究

建立了基于最小二乘支持向量机的石油期货价格预测模型。应用该模型对纽约商品交易市场的两种石油期货价格数据进行了预测,并将预测结果与RBF神经网络的预测结果进行了比较。研究结果表明最小二乘支持向量机预测模型具有较高的拟合和预测精度,明显优于RBF神经网络预测模型。     

基于嵌入式linux的杆塔倾斜度在线监测仪设计

为保障电网的安全稳定运行,减少因杆塔倾斜引起的停电事故,需要对杆塔的状态进行实时监测。设计开发了一种杆塔倾斜度在线监测装置。建立了杆塔倾斜度监测模型,根据重力加速度测量值计算倾斜角的原理,采用SCA100T-D01双轴倾角传感器进行数据采集,采用基于arm9的嵌入式linux系统进行数据的存储和计算,并通过以太网或GPRS网络传送数据,实现了对杆塔倾斜各状态量的在线监测。详述了该装置各个模块的软件设计。该装置支持配置不同地区的重力加速度,提高了测量精度;支持自动配置初始安装角度,大大提高了输电线路生产管理水平。详述了自动配置的规范,经工程实践,该装置在输电线路杆塔倾斜度的监测上取得了良好应用。     

基于RBF神经网络的船用污水处理装置状态诊断

研究应用径向基函数(RRF)神经网络对船用污水处理装置进行状态诊断,以提高船用污水处理装置状态诊断正确率.在分析了RBF神经网络基本结构和原理的基础上,设计一种诊断船用污水处理装置状态的三层RBF神经网络.通过采用实际监测的数据实现RBF神经网络诊断处理,结果表明:RBF神经网络的分类诊断效果较佳,能够有效地对船用污水处理装置状态进行诊断.     

基于改进Canny算子和神经网络的人体行为识别模型

为了提高了人体行为识别的正确率,提出了一种基于改进Canny算子和神经网络的人体行为识别模型（ICanny-RBF）。采用改进Canny算子对人体行为图像进行预处理,提取人体行为轮廓,提取7个不变矩特征作为RBF神经网络的输入向量,训练出能够识别人体行为的RBF神经网络模型,并采用取k-means算法确定RBF神经网络聚类中心,采用Weizmann数据集进行仿真实验。仿真结果表明,与传统方法相比,提出的ICanny-RBF模型提高了人体行为的识别正确率。     

基于LM-BP神经网络的气阀故障诊断方法

提出一种基于LM（Levenberg-Marquardt）算法优化的 BP (Back Propagation)神经网络的多级往复式压缩机压缩机气阀故障诊断方法。以6M25-185/314氢氮气压缩机的 6级压差和6级温差作为网络的输入向量,建立可对往复式压缩机一至六级气阀故障进行在线监测及故障诊断的LM-BP神经网络模型。以100组故障数据作为网络训练样本,30组数据作为网络检测样本进行故障诊断,结果表明,LM-BP神经网络相比于变梯度BP神经网络和RBF神经网络诊断更快速稳定且准确率达到96%以上。利用Matlab软件平台建立的LM-BP 神经网络故障诊断模型,模型简单便于在工程实际中应用。     

一种新型电网谐波在线监测系统的研究

本文主要提出了一种新型电网谐波在线监测系统模型，其在线监测部分主要利用模拟并行测量的基本原理．构造了一个用于电网谐波在线监测的特殊多层前向神经网络。并对其进行了仿真．仿真结果表明本文所提出的基于人工神经网络对电网谐波在线监测的方法是可行的、正确的和有效的。     

基于模糊神经和局部统计的变压器故障研究

为了实现电网运行状态的在线监测和故障诊断隔离,提出了基于模糊神经模型和局部统计方法的故障诊断隔离机制。首先在分析电力变压器故障的基础上,利用模糊神经网络建立无故障状态时电力变压器的温度模型,得到模糊神经模型和实际电力变压器输出的温度偏差,然后结合优化的全局检验和最小最大检验的局部统计方法计算对应故障诊断和隔离指标。当其超过设定的故障阈值时,该评估系统可早期发现故障和启动警报,并根据具体参数变化将故障定位在变压器具体元件。仿真试验表明,提出的故障诊断和隔离方法在实际系统中表现出优越的性能,能够提前发现故障原因,维护电网高效运营,具有重要的理论意义和应用价值。     

基于粒子群优化的RBF神经网络模型研究

在本文中,提出了采用粒子群算法来优化RBF神经网络,并建立了这种新的混合模型。在这个粒子群和RBF神经网络的混合模型中,粒子群优化算法应用于选择中心节点和隐藏节点的宽度以及输出向量方面,对RBF神经网络建立了5个输入节点,6个隐藏节点和一个输出节点。通过对粒子群优化的RBF神经网络模型对一些地区的结核病发病趋势进行预测,得出这种混合模型对结核病发展趋势进行预测能够取得较好的预测结果。     

变压器局放监测与改进BP神经网络预测模型研究

采用传感系统监测变压器局部放电的变化情况,选取高频电流信号和超声波信号作为变压器局部放电的监测参量,利用改进逆传播(BP)神经网络算法对变压器局部放电量进行建模分析.以D9—QY—40000/220型电力变压器(220 kV变压器)为例进行实例研究,结果表明:基于改进BP神经网络的局放预测模型训练集误差系数为0.0118,测试集误差系数为0.0232.此模型的局放预测值与实际值的曲线趋势基本一致,有效地对变压器局部放电量进行预测,为变压器故障诊断奠定了基础.     

虹桥220kV智能变电站设计与应用

智能变电站在线监测与故障诊断系统主要分为三个部分:过程层(包括现场监测终端、现场处理单元)、间隔层(包括IED及主IED)以及站控层(CAC)。其系统结构框图如下图所示,变压器油色谱在线监测、GIS局部放电监测、SF6气体、微水监测、容性设备(含避雷器监测)在线监测诊断等装置分别采集相应设备的状态数据,通过状态信息接入器汇总,再通过IEC61850协议发送到指定监控中心。虹桥220kV智能变电站的实施,提高了变电站运行的安全性和可靠性。     

一类支持向量机在烟叶选择中的应用

为解决卷烟叶组配方中的烟叶替换问题,提出了基于一类支持向量机的烟叶选择方法。介绍了烟叶选择支持向量机建模的原理,分析了影响模型准确性的主要因素,提出了特征选择与支持向量机参数的联合优化策略。应用实例表明,该方法能够根据烟叶中的化学成分的测量值来确定烟叶的相似性,为实现烟叶的智能化选择打下了基础。     

基于NOMA的5G超密网计算迁移与资源分配策略

针对5G超密网中移动设备计算能力不足、频谱资源有限的问题,提出了一种基于非正交多址接入（NOMA）的计算迁移与带宽分配策略。首先,对系统模型进行了分析,并在此基础上以最小化设备计算代价为目标对所研究的问题进行形式化定义;然后,将该问题分解成设备的计算迁移、系统的带宽分配和设备的分组匹配三个子问题,并利用模拟退火、内点法和贪心算法对这三个子问题进行求解;最后,通过联合优化算法对上述子问题进行交替性迭代求解,最终获得最优计算迁移和资源分配策略。仿真结果表明,所提出的联合优化策略不但优于传统的正交多址接入（OMA）方式,而且能获得比平均分配带宽的NOMA技术更低的设备计算代价。     

煤矿35 kV线路防雷保护间隙的研究

为验证保护间隙对35kV线路的防雷保护效果,在ATP-EMPT电磁暂态分析软件环境下,以某矿区35kV架空线路为模型,模拟雷击入侵35kV变压器,对比加装保护间隙前后变压器高压侧过电压峰值,结果表明,35kV线路在遭受单相或三相雷击后,保护间隙能够大幅降低变压器高压侧的雷电侵入波峰值;分析了加装防雷保护间隙后35kV线路的耐雷水平与雷击跳闸率,结果表明线路耐雷水平降低,雷击跳闸率上升,但均符合DL/T 620—1997要求。应用结果表明,煤矿35kV线路安装防雷保护间隙后能够有效抑制雷电波入侵变电装置,但需配合自动重合闸装置,以提高线路防雷的可靠性。     

6kV变电所绝缘监视装置监控单元设计的研究

本设计研究的主要内容为6 k V变电所绝缘监视装置监控系统设计,它是6 k V变电所微机远程监控的一个重要组成部分。系统采用主从式微机网络形式的通信方式,即用一台高性能的P C机(上位机)对整个系统进行管理,而用多台前端机(单片机智能控制单元)执行分布式检测与控制任务。     

基于改进SSA优化MDS-SVM的变压器故障诊断方法

为了提高变压器故障诊断精度,提出一种基于改进SSA优化MDS-SVM的变压器故障诊断方法.首先,利用多维尺度缩放法(multiple dimensional scaling,MDS)对20维变压器故障特征数据进行特征提取,降低高维数据存在的稀疏性和多重共线性;其次,引入樽海鞘群算法(salp swarm algorithm,SSA),并对该算法进行改进,增置信赖机制和突变,以提高算法的收敛速度和收敛能力;然后,通过与原始SSA、PSO、GWO和$ \beta $-GWO算法进行寻优测试对比来验证改进SSA算法的优越性;最后,使用改进SSA算法对MDS降低维数和支持向量机(support vector machine,SVM)的参数联合寻优,构建新的故障诊断模型.分析并比较其与常用算法优化的SVM故障诊断模型、BP神经网络(back propagation neural network,BPNN)、K最近邻(K-nearest neighbor,KNN)以及随机森林(random forest,RF)故障诊断模型的故障诊断精确度,结果表明,基于改进SSA的MDS-SVM变压器故障诊断模型的精确度高于其他算法模型,且泛化能力较强.     

基于果蝇算法优化的概率神经网络在变压器故障诊断中的应用

传统的变压器故障诊断方法存在编码不全,容易错判漏判的缺点。随着变压器在线监测技术的发展和产品需求的增加,变压器故障诊断技术朝着智能化的方向发展。为提高故障诊断率,结合油中气体分析法,本文提出了一种基于果蝇算法优化的概率神经网络模型的变压器故障诊断方法。作为一种新型的启发式和进化式算法,果蝇优化算法具有易理解和快速收敛到全局最优解的优点。概率神经网络结构简单、训练简洁,具有强大的非线性分类能力,将样本空间映射到故障模式空间中,从而形成一有较强容错能力和机构自适应能力的诊断网络。采用果蝇算法对模型参数进行优化,减少人为因素对神经网络设计的影响。仿真实验证明这种基于果蝇优化算法的概率神经网络可以有效地运用到变压器故障诊断中,为变压器故障诊断供了一条新途径,具有良好的研究价值和发展前景。     

煤矸石热电厂电气系统变电站设计

针对煤矸石热电厂电气系统110kV变电站设计中应注意的问题,提出了最为经济合理的布置方案及设备选型组合。采用多个不同高度、角度的直线型与转角型门型构架相结合的方式,综合布置不同电压等级的多条架空线。为保证供电的可靠性,结合相关设计规范,采用35kV双母线固定式高压开关柜完成配电及馈电环节,选用国内最先进的4分支微机差动保护装置来实现110kV变压器主保护。结果表明,使用这种结构的设计具有维护方便、供电可靠、调度灵活、扩建方便、保护动作可靠、灵敏度高等优点。     

基于信任度的合一系统社会任务分配

在多智体社会网络中,传统的任务分配模型一般采用直接面向任务执行者的分配机制.它们不考虑社会网络组织结构对任务分配性能的巨大影响,也很少透彻地研究不可靠社会中的任务分配.针对这些问题,本文开创性地研究了软硬件合一系统的任务分配,即按递阶、分层的思想设计了协作组织模型,并基于此提出了面向社区基于社会协调“软件人”的任务分配模型.模型研究过程中,提出了基于直接信任度和社区声誉的社区信任度评估机制、基于社区信任度和社区物理能力的节点选择机制、基于负载均衡的社区内任务分配机制和基于上下文资源的任务再分配策略.实验结果表明：与常见的直接面向任务执行者和基于资源的任务分配模型相比,所提出的模型具有更优的任务分配性能,且对社会任务环境变化具有更好的鲁棒性;社区内基于负载均衡的分配机制和基于上下文资源的再分配策略也有效提高了分配性能,降低了网络中的通信密度.