基于BP和RBF神经网络的乙烷脉动热管对比研究

为研究BP和RBF神经网络对脉动热管热阻的预测及改善脉动热管性能,将加热功率、倾角及工作温区作为输入参数,热阻作为输出参数,建立BP和RBF神经网络模型。利用大量实验数据对BP及RBF神经网络进行训练并预测,将预测值与实验值比较,以验证BP和RBF神经网络预测性能。结果表明:BP和RBF神经网络均能较好地预测热阻;采用RBF神经网络,训练数据及测试数据线性回归决定系数R~2分别为0.999 44和0.969 76,预测结果相对误差分别为0.89%和2.97%,均方误差分别为1.43×10~(-7)和3.13×10~(-6);与BP神经网络相比,线性回归决定系数R~2更接近1,相对误差和均方误差更小,能更精确地预测热阻。     

RBF神经网络在坝肩断(夹)层位移监测中的应用

针对RBF神经网络可解决BP算法收敛速度慢、易陷于局部最小等问题,介绍了RBF下神经网络的训练与设计方法,构建了某坝坝肩断(夹)层位移数据分析的RBF神经网络,并对测试样本进行了预测.结果表明,采用该法的预测误差约为±0.2 mm,预测效果较好.     

基于BP和RBF神经网络的机组能耗特性研究

火电机组在运行过程中不仅产生大量的历史数据,同时这些边界参数还与热耗率之间存在复杂的非线性关系。针对某电厂的实时数据,首先利用敏感性分析,从大量的机组运行参数中筛选出对机组能耗影响较大的重要参数:负荷、循环水入口温度、主蒸汽温度、再热蒸汽温度、主蒸汽压力、循环水流量。然后,对BP和RBF神经网络在热耗率与机组边界参数的应用进行了对比分析。训练和预测结果表明,BP和RBF神经网络都能对此进行分析研究,但RBF比BP神经网络的训练和预测的相对误差较小些,可以更准确地对机组热耗进行预测。为今后的可控参数优化提供了有效的模型,具有一定指导意义。     

BP/RBF神经网络与模糊规则耦合的电站锅炉燃烧控制

针对电站锅炉NO_x浓度和发电效率的非线性及复杂耦合关系问题,分别建立某320 MW火电机组RBF神经网络模型、BP神经网络模型和模糊规则模型。采用满负荷70%～80%的常规工况进行训练,RBF神经网络有效地预测了发电效率及NO_x排放浓度,平均相对误差分别为2.03%和2.41%。根据专家经验制定25条模糊控制规则,将RBF神经网络的输出值作为模糊控制器输入值,对锅炉运行参数进行调整,并将调整后的值输入BP神经网络进行预测。结合RBF/BP神经网络和模糊控制规则建立了综合优化模型,使NO_x调整值相对于实际值平均下降了7.89 mg/m~3,发电效率提高了1.08%。     

基于BP神经网络的人工加糙明渠糙率预测模型

糙率是明渠水力计算的各项影响因素中最重要的参数。运用BP神经网络的方法,结合其在结构上的稳定性及在处理非线性数据上的优势,以矩形人工加糙明渠为研究对象,建立预测模型研究其各水力要素与糙率间的复杂非线性关系。根据前期的试验研究成果,选择绝对粗糙度Δ、底坡i、弗劳德数Fr、流量Q作为主要影响因素对糙率进行神经网络建模及预测,并将预测结果与径向基(RBF)神经网络及偏最小二乘及最小二乘支持向量机(PLS-LSSVM)进行对比。研究结果表明,基于L-M算法的BP神经网络糙率预测模型的平均绝对百分比误差为0.51%,均方根误差为8.15×10-5,精度优于其他预测模型,说明BP神经网络可有效预测矩形人工加糙明渠的糙率。     

基于粒子群优化算法的RBF神经网络在泾惠渠灌区地下水位埋深预测中的应用

针对不恰当地选取RBF神经网络的网络结构和参数会使网络收敛慢的问题,采用粒子群优化算法对RBF神经网络参数进行优化,建立了基于粒子群优化算法的RBF神经网络模型(PSO-RBF模型),对泾惠渠灌区地下水位埋深进行了模拟和预测。结果表明,与单一的RBF神经网络相比,PSO-RBF模型具有较高的预测精度。再根据时间序列预测法预测的降水量、径流量、蒸发量、渠灌引水量、地下水开采量、气温等模型的输入变量,用训练好的PSO-RBF模型预测了泾惠渠灌区2009~2020年地下水位埋深,发现该灌区地下水位埋深呈下降趋势。     

神经网络在锅炉燃烧特性挖掘中的噪声适应性

深入分析了BP、RBF网络以及分别基于BP和RBF网络的T-S模糊神经网络对数据噪声的适应性.首先比较分析了它们在不同白噪声环境下对一个虚拟的非线性多输入多输出(MIMO)系统特性挖掘中的表现差异;随后比较分析了它们在数据严重被噪声污染情况下1台600MW电站锅炉燃烧特性挖掘中的表现差异.结果表明:必须重视对所选用挖掘工具的噪声适应性问题;4种神经网络的噪声适应能力由弱到强的排序是:BP网络、RBF网络、基于BP的T-S模糊神经网络、基于RBF的T-S模糊神经网络.对于像电站锅炉燃烧过程这类较复杂及噪声较严重的应用场合,建议选用基于RBF的模糊神经网络作为过程特性的挖掘工具.     

基于RBF-BP组合神经网络的地震预测研究

针对地震预测中预测因子高度非线性、训练样本数量有限及分布不均匀的问题,提出采用RBF-BP组合人工神经网络对地震预测因子样本进行建模和预测,并用RBF神经网络初步训练预测因子样本,将训练结果输入BP神经网络,根据期望输出值加强训练.实例分析表明,该预测方法可行并能有效提高地震预测精度.     

基于自适应粒子群优化BP神经网络的氨法烟气脱硫效率预测

针对氨法烟气脱硫效率的预测问题,建立了以脱硫系统运行中8个主要参数作为输入变量的BP神经网络模型,采用粒子群优化算法(PSO)对建立的BP神经网络模型的权值进行优化,提出基于粒子群优化算法的BP神经网络(PSO-BP)预测新模型,并利用某电厂脱硫系统20组运行数据对该模型进行了验证.结果表明:采用PSO算法对BP神经网络的权值和阈值进行寻优,避免了网络局部极小值的出现,提高了网络的泛化能力,采用PSO-BP预测模型可以对氨法烟气脱硫效率进行较高精度的预测.     

基于SMIV-1DCNN的燃气轮机剩余使用寿命预测方法研究

为了实现船用燃气轮机剩余使用寿命的预测,对燃气轮机健康监测参数进行斯皮尔曼(Spearman)相关关系分析,采用平均影响值(Mean Impact Value, MIV)进一步分析监测参数对性能退化的敏感性,筛选出敏感特征;对得到的燃气轮机特征参数进行预处理,以消除外界环境的影响;研究了一维卷积神经网络(One Dimension Convolutional Neural Networks, 1DCNN),挖掘滑窗特征参数与运行时间的映射关系,实现燃气轮机剩余使用寿命预测。基于美国国家航天局发布的航空发动机退化数据集,验证了SMIV-1DCNN剩余使用寿命预测方法的有效性;开展了船用燃气轮机性能退化剩余使用寿命预测仿真试验。仿真试验结果表明,该方法不受燃气轮机初始状态影响,剩余使用寿命预测绝对误差56.10、平均绝对百分误差107.87、均方误差70.95,预测性能优于BP神经网络、LSTM神经网络与GRU神经网络。     

爆燃燃烧对火焰辐射光变化的影响

应用火花塞光纤传感测量系统对BJ492Q汽油机爆燃燃烧进行测量和研究,分析了爆燃燃烧时火焰光辐射的变化情况。正常燃烧时,CH（431．5nm),C2(516.5nm),H2O(588nm)自由基的光强曲线出现双峰值,着火延迟期内自由基光辐射。爆燃较强工况时,只出现一个峰值,主要是碳粒子热辐射,峰值处出现剧烈波动,相位提前,无自由基的光辐射。试验表明,火花塞光纤传感器完全可用于爆燃测量。     

惰性气体对准均质压燃燃烧过程的影响

在一台可视化发动机上，通过在进气中加入惰性气体的方法来控制柴油引燃天然气的燃烧过程。实验结果表明：进气中加入惰性气体使着火点位置向燃烧室壁面推移，着火点数量增加，着火时间推迟，燃烧速度降低，有效地降低了缸内燃烧最高压力及燃烧压力升高速率，CO2的影响大于N2的影响。     

基于GT-POWER的配气相位对柴油机性能影响的研究

采用GT-POWER软件,分析1款老产品4112柴油机的配气相位对其性能的影响,并对配气相位进行优化。首先,建立发动机模型,计算发动机外特性曲线,并与发动机试验参数比较,验证模型的可靠性;然后,用发动机模型,对进排气门配气相位气进行分组优化模拟计算,得到每个转速下的最优配气相位;最后,模拟计算标定点转速下最优配气相位所对应的发动机充气效率、燃烧效率、功率和扭矩,结果表明,4项性能均得到提高。     

电站锅炉加装脱硝装置的可行性研究分析

介绍SCR的反应原理,加装SCR所需要的脱硝剂的选择、贮存、制备、运输和供应。重点分析锅炉加装SCR后对锅炉的性能影响及总体布置影响。     

STATCOM对电力系统继电保护的影响研究综述

静止同步补偿器(STATCOM)是目前用于电力系统中性能最好的无功补偿装置。文中介绍了静止同步补偿器的基本工作原理、类型、主电路结构控制策略,从STATCOM的谐波、控制策略、安装位置和STATCOM对保护的灵敏度等四个方面综述了STATCOM应用于电力系统后对继电保护的影响的研究现状。     

声辐射模态下测量点分布对声场重构影响的研究

应用声辐射模态理论,以振动平板为研究对象,针对声场重构中测量点的分布对重构声压的影响进行研究。数值计算表明:在测量点数和模态展开数既定的情况下,通过改变测量点的坐标值,使测量点非均匀地分布在测量面上,这样重构出的效果远远优于测量点均匀分布且使用Tikhonov正则化方法重构出的效果。研究结果表明:测量点的非均匀性布置,可以达到减小测量点数和模态展开数,扩大重构频率区间,简化计算程序,提高重构精度的目的。     

基于WebGL的BIM模型可视化研究

针对水利工程建筑信息模型(BIM)展示需安装专业软件及展示不便、不能远程浏览和远程交互不便等问题,采用基于WebGL技术的Three.js框架,通过坝体三维模型的建立与导入、浏览器中坝体模型的重构、模型环境的渲染等技术手段,实现了大坝三维模型在客户端浏览器Web方式可视化显示、三维漫游及远程实时浏览与交互,避免了模型展示需安装专业软件的繁琐过程,增强了展示效果,提升了用户体验,并可进一步应用于水利信息化可视平台的开发。     

谷物流态化干燥过程的节能研究

为了降低多层流化床干燥器的能耗,对空塔压降随气体分布板开孔率的变化规律、空塔压降随风速的变化规律、进料时的流化操作范围与各床层及总床层的压降随风速的变化规律进行了冷态试验研究。为稻谷的流化床干燥器选择了合适的开孔率、层数并得到了合适的流化操作范围。     

输电线路的雷电识别研究

针对雷电干扰问题,提出了一种输电线路的雷电识别新算法。该方法依据轻型雷击、重型雷击及短路故障的不同暂态波形特征,构造复合识别判据。其一,利用电流行波首波面积比值特征量构成识别短路故障与雷击的判据;其二,运用电流行波在较短时间内的积分值特征量识别故障与轻型雷击。MATLAB仿真结果表明,所提算法能可靠区分轻型雷击、重型雷击和短路故障,是正确且有效的。     

基于GT-Power的LPG燃气组分对发动机排放影响的研究

通过建立单缸点火式LPG发动机在GT-Power中仿真,来研究LPG组分及其比例对发动机排放的影响.仿真实验表明,LPG组分对污染物的排放有重要的影响.随着丁烷比例的增加,CO和HC的排放增加,而NO_x减少;其中,CO、HC排放最少的是Fuel 1#,NO_x的排放最低的是Fuel 3#;考虑到综合排放性能和动力性的同时,丙烷与丁烷比例为7:3时最佳.