神经网络故障诊断技术应用在暖通空调系统的可实现性

归纳了神经网络在故障诊断中的运用方式，探讨了故障诊断的神经网络方法和专家系统方法的联系和区别，以及两种方法的转化；最后，给出了神经网络故障诊断技术在暖通空调系统里的应用情况。     

基于模糊神经网络变风量空调系统风量预测研究

总风量控制法自提出后,由于其末端动作频繁、通信量大、控制复杂而一直处于研究完善阶段。在空调室的神经网络预测控制系统得出满意的动、静态性能的基础上,将模糊控制与BP神经网络结合,建立了模糊神经网络,对变风量空调系统的风量进行预测,使它们有效地发挥各自的优势并弥补各自的不足,提高了预测的精度。预测结果表明这种改进的控制方式在空调系统的负荷预测方面是有效的、可行的。     

空调系统的神经网络信息融合故障诊断研究

空调系统的故障诊断十分复杂。针对传统故障诊断的不足,提出神经网络与信息融合相结合的故障综合诊断方法,对来自多个时刻的故障信息进行融合,得到更为准确的故障综合诊断结果。通过在集中空调教学模型上的仿真试验,证明了该故障诊断方法的可靠性。     

电梯故障诊断方法及应用

本文介绍了故障诊断技术中几种常用的方法．主要论述基于神经网络的故障诊断方法在电梯故障诊断中的应用。     

参数自整定模糊PID控制在水源热泵系统中的应用研究

本文提出了一种基于模糊控制规则的参数自整定模糊PID控制方法,并将其应用在水源热泵空凋控制系统中。论述了模糊控制器的设计方法和参数选取的原则,设计了仿真控制系统。仿真结果表明,采用该控制方法后,水源热泵空调系统在响应速度、稳态精度等方面均优于常规PID控制。     

模糊预测控制在VAV空调系统中的应用

应用模糊控制的逻辑推理性能,借助于神经网络的学习能力,提出一种基于神经网络的模糊预测控制模型。并利用该模型对VAV(变风量)空调系统的提前开机时间进行预测控制,可获得较高的预测精度和较好的控制效果。     

一次回风空调系统的故障诊断研究

空调系统的故障诊断研究对于节约空调系统能耗、减少设备之间的磨损、延长设备的使用寿命、提高空调系统的运行效率均具有重要的意义。由于空调系统的复杂性、空调设备的多样性,空调系统在实际运行过程中会存在多种多样的问题,包括硬件设备的老化、阀门的堵塞、传感器失灵、换热器换热效率降低等,都会造成能源消耗增加、能源浪费等问题。因此针对空调系统的特点研究一套适用于该系统的故障诊断方法,实现对系统运行过程中常见故障的诊断,主要针对组合式空气处理机组。通过实现模拟再现常见的7种故障,利用一阶自回归方程建立特征参数残差图,由残差分析得到不同故障条件下特征参数的残差变化,进一步针对残差变化趋势以送分温度残差为基准建立故障诊断分类器,并细化为7条故障诊断规则集;同时,通过Matlab Script节点实现Matlab与LabVIEW的混合编程,并调用训练好的模糊神经网络模型实现故障诊断结果的可视化显示。     

模糊可变集合与模型及在岩爆分级预测中的应用

在工程模糊集理论基础上，系统建立模糊可变集合理论、模型与方法，其中包括：差异函数的概念与定义、相对隶属度公式、模糊优选BP神经网络模型及级别特征值公式，并对相关公式进行了分析论证。提出模糊可变集合的预测方法，针对国内外一些岩石地下工程实例进行了分析，并用级别特征值对岩爆的发生与否及烈度大小进行预测，结果与实际情况吻合地较好，说明模糊可变集合综合预测方法是有效的。     

空调工程设计方案的模糊综合评判及优选

应用模糊数学综合评判方法，建立空调工程设计方案的模糊综合评判模型，并应用于空调工程设计方案的优选。     

基于GIS的岩爆倾向性模糊自组织神经网络分析模型

岩爆倾向性是评价地层深部工程安全性的一个十分重要的指标之一。研究方向把常规的研究岩爆倾向性的方法与GIS技术结合起来，利用GIS的空间数据分析技术和模糊自组织神经网络，对评价岩爆倾向性的多源信息进行加工处理，建立了一个基于GIS技术的岩爆倾向性模糊自组织神经网络模型。     

A fuzzy neural network approach for contractor prequalification

Non-linearity, uncertainty and subjectivity are the three predominant characteristics of contractors prequalification which lead to the process being more of an art than a scientific evaluation. A fuzzy neural network (FNN) model, amalgamating both the fuzzy set and neural network theories, has been developed aiming to improve the objectiveness of contractor prequalification. Through FNN theory, the fuzzy rules as used by the prequalifiers can be identified and the corresponding membership functions can be transformed. Eightyfive cases with detailed decision criteria and rules for prequalifying Hong Kong civil engineering contractors were collected. These cases were used for training (calibrating) and testing the FNN model. The performance of the FNN model was compared with the original results produced by the prequalifiers and those generated by the general feedforward neural network (GFNN, i.e. a crisp neural network) approach. Contractors' ranking orders, the model efficiency (R²) and the mean absolute percentage error (MAPE) were examined during the testing phase. These results indicate the applicability of the neural network approach for contractor prequalification and the benefits of the FNN model over the GFNN model. The fuzzy neural network is a practical approach for modelling contractor prequalification.     

响应面法计算结构可靠度的回顾

体系可靠度已经成为可靠度研究的重点,由于其功能函数大都为隐式功能函数,响应面法已成为计算可靠指标的主要方法,响应面法主要分为迭代序列响应面、混合响应面、神经网络响应面、模糊神经网络响应面,就最近几年响应面法的理论发展和工程运用作一总结。     

运用模糊神经网络研究混凝土AAR问题

提出运用模糊神经网络混凝土AAR问题。利用基于试验运算得到的模糊神经网络得到整体（系统）意义上的模糊规则，再利用训练好的网络扩充分析所需的其它模糊规则。通过对所有规则全面、深入的分析，从整体上找出引起混凝土AAR膨胀诸因素中每个因素作用的大小及其内在规律。研究表明，混凝土总碱量的大小对AAR膨胀起主要作用，水泥碱比外加碱对AAR膨胀的贡献更大。利用训练好的模糊神经网络可以对多因素作用下的混凝土AAR膨胀进行较准确的预测。     

A hybrid FDD strategy for local system of AHU based on artificial neural network and wavelet analysis

This paper presents a self-adaptive sensor fault detection and diagnosis (FDD) strategy for local system of air handing unit (AHU). This hybrid strategy consists of two stages. In the first stage, a fault detection model for the AHU control loop including two back-propagation neural network (BPNN) models is developed. BPNN models are trained by the normal operating data of system. Based on sensitive analysis for the first BPNN model, the second BPNN model is constructed in the same control loop. In the second stage, a fault diagnosis model is developed which combines wavelet analysis method with Elman neural network. The wavelet analysis is employed to process the measurement data by extracting the approximation coefficients of sensor measurement data. The Elman neural network is used to identify sensor faults. A new approach for increasing adaptability of sensor fault diagnosis is presented. This approach gains clustering information of the approximations coefficients by fuzzy c-means (FCM) algorithm. Based on cluster information of the approximation coefficients, the unknown sensor fault can be identified in the control loop. Simulation results in this paper show that this strategy can successfully detect and diagnose fixed biases and drifting fault of sensors for the local system of AHU.     

电机故障诊断中RBF神经网络的应用

分析了RBF神经网络的特点及原理,针对RBF神经网络进行电机故障诊断的重点进行了探讨,同时就RBF网络的模型结构和算法作了论述,为实现电机故障诊断模型的优化设计提供了可行的途径。     

结构可靠度分析的全局响应面法研究

对功能函数不能明确表达的可靠度分析问题,常采用响应面法。本文提出把响应面区分为局部响应面和全局响应面。常用的二次多项式响应面及常规的神经网络响应面均属于局部响应面,其仅在验算点附近(±σ)处与真实极限状态曲面符合较好。本文提出的全局神经网络及模糊神经网络响应面、改进全局神经网络及模糊神经网络响应面则属于全局响应面,其在全局范围均与真实极限状态曲面符合良好,故其对全局有较好预测效果。文中对以上各种响应面法计算效果及其对全局预测效果通过算例进行了对比分析,其中改进全局神经网络及模糊神经网络响应面法计算精度较好,进行有限元分析次数最少,该方法用于大型复杂结构的可靠度分析,可相应提高工作效率和解题质量。     

隧道超前地质预报综合分析方法

 通过隧道介质物性差异特点分析和常见物探超前预报方法适宜性对比评价,提出“以地质分析为核心,综合物探与地质分析相结合,洞内外结合,长短预测结合以及物性参数互补”的综合预报原则,并建立较为完善的隧道超前地质综合预报方法体系和组织机构。针对隧道中断层、破碎岩体、富水情况、有无溶洞、软弱岩体5种常见不良地质情况,提出合理的预报工作流程,并提取相关地质参数和物探成果参数,建立综合分级评价体系。最后,采用模糊神经网络方法,实现隧道常见不良地质情况的综合预报,铜锣山岩溶隧道应用情况表明,综合预报结果准确率达80%。     

冷水机组故障诊断软件的开发

将模糊理论和人工神经网络运用于专家系统,开发出冷水机组故障诊断软件,以活塞式冷水机组作为实验平台验证了软件的运行效果良好。