遗传神经网络在凝汽器系统故障诊断中的应用

针对BP神经网络学习收敛速度慢和易陷入局部极小值的不足，将遗传算法与神经网络相结合，提出了一种故障诊断的新方法——遗传神经网络优化故障诊断算法，并将其应用于凝汽器系统故障诊断中。经实例验证，该方法有效地提高了故障诊断的精度和速度。     

基于神经网络的内燃机故障诊断

提出了一种新的柴油机故障诊断方法，利用柴油机润滑油的参数监测搜集润滑油的相关数据，用BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明，这一方法是可行的。     

BP神经网络在高压共轨式电控柴油机故障诊断中的应用

作者运用了优化算法的BP神经网络设计高压共轨式电控柴油机的故障诊断系统，以电控发动机的传感器数值作为BP网络的输入，把发动机的故障状态作为BP网络的输出，以此来对电控柴油机进行实时的故障诊断。将诊断结果与实测结果进行比较后，证明此方法是可行的。     

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。     

基于小波包特征向量弹性BP算法的故障诊断

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。     

蝗虫优化神经网络在变压器故障诊断中的应用

针对变压器故障诊断中传统BP神经网络算法准确率低、收敛速度慢、易陷入局部极小值及对初始参数较为敏感等的不足,提出一种基于蝗虫优化（GOA）算法的BP神经网络故障诊断方法。建立以变压器故障特征气体为输入、故障类别为输出的故障诊断模型,利用GOA高效的计算性能和优良的全局搜索能力对BP神经网络的权值和阈值进行参数优化。仿真结果表明,GOA优化后的BP神经网络模型相比于传统BP神经网络和基于遗传算法优化的BP神经网络,能够在保留广泛映射能力的前提下,提升网络的学习速度和全局搜索能力,进而缩短训练所需时间,提高故障诊断精度。     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

基于VMD和SVPSO-BP的滚动轴承故障诊断

为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解（VMD）和缩放变异粒子群算法（SVPSO）优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法（SVPSO）,再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。     

基于BP网络的故障诊断方法及其在电站中的应用

电站机组可能会发生各种故障，有些故障没有明显征兆。为能诊断这类故障，需要新的方法。提出了根据当前技术条件下可以测量到的参数，而不一定是故障特征参数，进行故障诊断的思路。介绍了BP人工神经网络的结构和学习方法，提出了基于BP网络的模式识别能力，建立电站性能监测与诊断系统的新思路和方法。利用该方法，对电站设备性能下降故障的程度进行了成功诊断。图2表2参3     

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。     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

模糊自学习故障诊断在柴油机电控系统中的应用

将模糊规则的推理方法和神经网络的自学习方法应用在柴油机电控系统的故障诊断上。根据对发动机故障专家经验的总结,将输入故障信息定义为故障现象,将输出故障结果定义为故障点,采用模糊推理规则的方法建立由现象到故障点的诊断模型,实现对柴油机电控系统的故障诊断。故障诊断模型的故障样本是在12V150电控柴油机上通过大量试验获得的,故障诊断模型采用BP神经网络的自学习方法进行训练。将诊断结果同实际测试结果相比较,证明了该方法的正确性。     

基于GNBR算法的BP网络对绝缘子 运行状态预测研究

电力系统输电线路绝缘子运行中受到空气环境的污染,绝缘子表面污秽主要有大气中的盐密和灰密成分,不同地区不同环境下盐密和灰密对对绝缘子闪络电压影响具有非线性关系,为了较好辨识此非线性关系,运用基于GNBR算法的BP神经网络诊断该非线性关系,BP网络中采用GNBR算法,使网络具有很好的收敛性和很高的辨识精度,解决了BP网络局部最优、训练速度慢和辨识精度低的问题。实验结果表明设计的基于GNBR算法的BP神经网络能够很好地辨识绝缘子污秽对闪络电压的影响关系。     

基于BP神经网络深度学习的供水管网漏损智能定位方法

在深入剖析已有大型供水管网漏损成因的基础上,提出了采用BP神经网络深度学习的方法预测漏损点位置,构建了供水管网漏损模拟模型,通过管网发生漏损时5个位置的流量变化和17个位置的压力监测点变化的相关性分析,利用人工神经网络深度学习来诊断漏损点所在管网中位置,并以实验室自搭建的小型供水管网为例对漏损定位的研究方法进行了验证。结果表明,所提方法是一个实时诊断的快速又有效的方法,可实现较为准确的漏损点定位。     

基于小波分析与神经网络的气阀机构故障诊断研究

运用小波分析对柴油机缸盖振动信号进行分析与讨论,计算二进小汉分解后尺度1信号在各个时间段内的能量百分比;将能量百分比作为神经网络的输入进行训练和故障识别,用BP网络及自组织聚类算法实现了气阀机构的故障诊断,取得了较好的效果。     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。     

基于BP神经网络的温度控制系统

文中介绍了基于BP(Back Pmpagation)的神经网络气化炉温度控制系统。对BP神经网络控制算法作了详细的介绍，运用模糊逻辑控制概念赋予隐层含义，并决定其节点数，同时用高斯核函数作为节点激励函数，并做了仿真研究，叙述了系统的硬件与软件构成，试验表明所设计的系统操作方便、安全可靠，所选择的控制算法适应性强，控制效果良好。     

ABC BP模型在混凝土双曲拱坝变形监控中的应用

因大坝变形具有很强的非线性、随机性,致使预测困难,将人工蜂群算法(ABC)与BP神经网络相结合,利用人工蜂群算法具有强全局优化能力、强鲁棒性等优点,克服BP神经网络收敛速度慢、易陷入局部极小点等缺点,建立ABC BP、BP神经网络大坝变形预测模型对小湾大坝变形监测数据进行预测。结果表明,与单纯的BP神经网络预测模型相比,ABC BP算法提高了大坝变形预报的精度,加快了网络的收敛速度,能更高效准确地进行大坝变形监控预报。     

热电厂热负荷预测的神经网络模型

提供了一种基于改进的ＢＰ网络－合成ＰＢ网络的热电厂热负荷预测模型,并对网络结构的构造方法及拟合精度进行了讨论,实际预测结果表明,基于合成了ＢＰ网络的预测模型能很好地实现对热电厂热负荷的预测。