闭环Boost电路电解电容的故障预测方法研究

为了实现闭环Boost电路中电解电容的故障预测,本文采用基于特征参数退化的方法,利用LS-SVM及LS算法对电解电容的特征参数序列进行预测,实现了电解电容的故障预测与剩余寿命估计.仿真及物理实验均证明了本文方法的有效性及准确性.     

故障预测中基于模糊神经网络的规则发现方法

为分析和发现故障预测中表征网络运行状态的多指标和故障间的关联关系,提出了一种基于模糊神经网络的规则发现方法. 该方法利用模糊神经网络具有的学习能力和模糊推理能力,分析和发现网管系统中多指标和故障的关联关系,实现基于多指标的在线故障预测. 仿真实验结果表明,有效的参数初始化确定了算法收敛方向,从而加速了收敛速度;新方法能够准确预测故障的发生,并且优化了预测准确度、真正率、误判率等性能指标.     

基于GIS及模型化理论的矿井水灾预测预报平台的设计与实现

基于GIS与模型化理论,应用GIS组件开发技术,建立了矿井水灾预测预报平台.利用突水系数与趋势、残差分析相结合的方法实现了突水危险性分区、掘进及回采工作面突水预测;利用BP神经网络,综合考虑构造、水源、水压、隔水层厚度等因素对煤层底板突水的影响,实现了突水点预测;应用人工智能技术,模拟专家思维方式,建立了掘进与回采工作面突水预测与治理专家系统,在平煤五矿进行了实际应用,效果良好.     

基于动态贝叶斯网络的设备故障预测方法研究

设备维修方式由事后维修和定期维修逐步向基于状态维修进行转变,而故障预测（剩余寿命预测）则是基于状态维修的关键。本文介绍了动态贝叶斯网络的基本原理,在此基础上提出了利用动态贝叶斯网络进行故障预测的方法和步骤,最后将本方法应用于流体控制器的故障预测,结果验证了本方法的有效性。     

基于神经元网络和模糊专家系统的电力短期负荷预测

结合RBF神经元网络和模糊专家系统进行负荷预测.给出径向基函数(RBF)网络的结构,并采用正交最小平方法(OLS)选取RBF中心.先用RBF进行基本负荷预测,然后考虑天气变化和假日因素所引起的负荷变化,利用模糊专家系统进行负荷调整.文中把日期划分为5类.测试结果表明,该方法具有较高的精度和较快的速度.     

基于预测牵制控制的变电站自动化系统连锁故障抑制

首先提出基于预测牵制控制的变电站自动化系统连锁故障抑制方法.对部分逻辑节点进行监测并预测其下一时刻的状态,当预测到可能出现异常时,就对该节点实施牵制,使其后续状态保持正常,从而阻止逻辑节点故障的进一步传播.然后结合变电站自动化系统的实际,提出了基于多代理系统技术的预测牵制控制实现策略.仿真实验表明,对影响故障传播的关键节点进行监测能有效地抑制故障的传播,且随着监测节点集的增大,总的节点故障率将不断下降.     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究.首先应用小波包变换对系统的特征参数序列进行3层分解,得到第3层从低频到高频8个频率成分的时序;然后,对8个时序作进一步分析,以确认它们都存在混沌特性,再应用混沌理论分别建立8个时序的预测模型,分别对8个时序进行预测;最后,基于小波包理论将混沌模型预测的结果予以小波包重构,实现对系统特征参数序列的预测.实例研究表明,该方法具有较高预测精度,可有效地应用于复杂系统的状态预测和故障趋势预测分析中.     

基于灰色支持向量机模型的滚动轴承故障诊断与预测方法

提出基于GM(1,1)-SVM的滚动轴承故障诊断及预测方法.首先,提取滚动轴承各类故障和正常状态下振动信号的时域及频域特征值,然后,选取重要特征参数建立预测模型,进行特征值预测;最后,使用轴承各类故障特征值和正常状态特征值训练二叉树支持向量机,构造滚动轴承决策树,判别故障,实现对故障类型的分类,从而达到对轴承故障诊断,并通过预测值与支持向量机实现故障预测的目的,突破传统算法不能有效预测轴承故障的局限性.     

基于专家知识库的电力变压器故障诊断系统

针对电力变压器故障情况复杂,诊断不确定性大等特点,设计了一种基于专家系统的电力变压器故障诊断系统.该系统可以根据变压器的运行参数,利用推理方式并结合专家系统的知识判断变压器的运行状态,给出可能的故障类型,实现故障的自动诊断.该系统提高了电力变压器运行的科学性和使用效率.     

基于决策树和专家系统的短期电力负荷预测系统

提出决策树与专家系统相结合的负荷预测系统。利用决策树建立预测模型,对待测日负荷进行初步预测,再结合专家系统中的修正模型对初步结果进行修正,得到最终预测结果。建立决策树时,根据最大信息增益原则选择测试属性,降低决策树的复杂度,减少计算时间。提出开放的专家系统,专家模型应处于不断完善之中。并应用天津2003年的负荷数据和气象资料进行了建模和预测计算,统计分析结果表明该方法可提高预测的精度,具有实用性和有效性。     

一种基于分类和预测技术的产品成本估算系统研究与应用

应用分类和预测技术对机械产品设计数据库进行数据挖掘,针对各种部件影响成本的关键因素建立了基于判定树的产品成本预测模型,并与专家系统相结合,通过数据挖掘来调整专家系统的规则库,从而使专家系统规则不仅可以来自专家经验的总结,而且可以来自对以往产品数据的挖掘,拓宽了知识获取的途径,提高了知识获取的效率.最后给出了一个基于分类和预测技术的产品成本评估系统的框架.     

基于在线学习神经网络的状态依赖型故障预测

提出外部激励故障和内部激励故障的概念,研究非线性系统状态依赖型故障的预测问题.将非线性系统的故障模型描述成外部激励与内部激励相耦合的一般非线性函数形式,函数的结构未知.通过反向传播(BP)神经网络在线学习故障函数模型实时逼近故障模型,提出基于在线神经网络的状态依赖型故障的预测算法.该算法能够实时地检测故障,对系统状态和故障进行迭代估计和预测.利用系统状态的预测值实时预测了系统的失效时间.故障模型的一般化拓展充分体现了系统状态对故障的影响,增强了算法的实用性.仿真结果验证了该方法的有效性.     

基于小波神经网络的风力发电机故障预测方法

针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。最后对大熊山风电场2MW 风力发电机组运行数据进行仿真和分析,仿真结果表明,小波神经网络是一种风力发电机故障诊断和预测的有效方法。     

基于故障树的测控设备发射装置专家系统设计

为实现某型设备发射装置故障的快速诊断,在深入分析发射装置组成原理、故障模式及其传递途径的基础上,建立了故障树.根据故障树与专家系统知识库的内在联系,利用产生式规则构建了专家系统的知识库,设计了基于正向推理策略的推理机,采用通用数据库技术和面向对象语言进行软件开发,最终给出了一种可用于提高该型设备发射装置故障处理智能化水平的设计方案.     

基于多状态时间序列预测学习的电源车故障预测方法

针对现有的故障预测方法难以适用于大型复杂装备的现状,提出了一种基于多状态时间序列动态趋势预测学习的电源车故障预测方法。该方法首先建立基于长短时记忆(LSTM)网络的电源车运行状态时序预测模型,并结合电源车历史及实时运行数据对未来运行态势进行预测;在获取其预测态势的基础上,再利用改进的k-近邻(kNN)算法分析状态变化趋势和故障之间的关联性,对未来可能发生的故障进行预判。最后,在电源车仿真系统上进行实验分析,验证了所提方法的有效性和适用性。     

钻井井下事故诊断和预测专家系统开发工具的实现与使用

DTDP是一种用于建造钻井井下事故诊断和预测专家系统的开发工具。本文介绍了DTDP的设计和实现,以及如何利用DPDT建造知识库开发新的专家系统。     

基于DGMM的智能变电站网络流量预测

提出一种基于动态灰色马尔科夫模型(dynamic gray Markov model,DGMM)的智能变电站网络流量预测方法.根据灰色预测理论对网络流量进行初步预测;针对初步预测误差,利用K-means聚类算法实现状态的划分,建立马尔科夫模型对预测误差进行动态校正;对K-means中的K值进行了讨论.利用真实环境下采集到的流量数据对所提方法进行测试.结果表明,该模型的平均预测误差仅有4%,能够满足预测要求,为智能变电站网络性能分析预测、网络故障和病毒入侵预警提供决策依据.     

基于文本数据挖掘的复杂工况螺纹连接力矩衰减预测方法

针对冲击、振动或变载荷环境等复杂工况下螺纹连接易失效,传统基于实验和仿真的方法无法高效、经济、准确地找出原因并对衰减进行预测的问题,本文利用人工智能技术在故障预测领域中的优势,提出一种基于数据挖掘的复杂工况螺纹连接力矩衰减预测方法.该方法从原始数据中挖掘其与螺纹连接故障的精确映射关系,准确找出螺纹连接发生失效的主要原因并对力矩衰减进行预测.首先,考虑导致文本极性变化的特殊语言结构,提出一种规则化故障量化方法;其次,结合螺纹连接力矩衰减专业领域词典,对螺纹连接力矩衰减进行基于文本描述的故障量化评级;再次,提出基于Logistic函数模型的特征构建方法并构建力矩衰减相关特征集;最后,建立基于随机森林和岭回归算法的Stacking集成学习预测模型.本文以重型卡车推力杆螺纹力矩衰减预测作为实际案例,验证了该方法的可行性和有效性,集成后的模型预测准确率较单一随机森林和岭回归算法模型平均提升了53.39％.     

基于LAR和在线LS-SVR的非线性时间序列故障预报

针对非线性系统的故障预报,设计了一种在线最小二乘支持向量回归机(LS-SVR)算法,提出了一种基于在线LS-SVR和线性AR(LAR)混合预测的故障预报新方法.用LAR对非线性系统进行局部线性建模,用LS-SVR在线补偿局部线性模型的建模误差,实现了非线性时间序列的一步预测,并推广到N步预测.基于已知的正常时间序列数据,直接对当前N步预测值进行异常估计,实现故障预报,提高了实时性.同时方法的误检率和漏检率还可人为调整,对不同对象具有普遍性.仿真实验证明了方法的有效性.     

传送网故障诊断系统的设计与实现

故障诊断是传送网网管系统的重要功能,也是网管建设中的难点问题.本文对传送网中的故障进行了详细的分析,提出了基于专家系统的网络故障诊断方法.在此基础上,实现了一个网络故障诊断的原型系统.