基于灾度辨识的钢闸门巡视检查研究

巡视检查是对钢闸门要点部位开展定期、定点的信息收集,并对警兆信息做出快速辨识和评估的重要内容。应用灾度辨识的警兆信息评估方法,综合钢闸门巡视检查的各类要素信息,明确工程最大隶属的灾度等级(Ⅰ～Ⅴ级),可作为工程日常巡视检查决策的重要软技术手段。     

基于粒子群算法优化BP神经网络的SRM磁链模型

以一台6/4级SRM电机模型的电流和磁链为输入,转子位置角度为输出,拟合了磁链-电流-角度模型,并在MATLAB/Simulink中进行了仿真实验。在拟合模型时,为了提高训练效率,简化拟合模型,采用了粒子群优化BP神经网络隐含层神经元个数的算法,并进行了仿真实验。结果表明,粒子群算法优化BP神经网络的控制策略具有较高的训练效率。     

热稳定性对近海风电场影响研究

通过某近海风电场热稳定性研究,比较得出适合近海风电场的热稳定性判断方法,并研究不同热稳定性下风电机组输出功率特性,分析粗糙度和热稳定性对风电场影响关系,修正Jensen的尾流损耗系数。结果显示:热稳定性随时间变化,对海上风电场风能影响较大,不同热稳定性条件下风力发电机组输出功率变化规律不同,修正后的尾流模型计算结果与实际值接近。     

基于自适应粒子群算法的玻璃澄清环境评价模型分析

玻璃熔制过程是玻璃生产中的高耗能单元,其过程涉及的变量复杂,在实际生产中常因难以合理调节生产参数而造成生产环境不稳定进而导致产品质量缺陷。为了评估澄清环境,基于前人对玻璃液流规律的研究,对气泡逸出难易程度和澄清时间进行定量化分析,建立澄清环境评估模型,并采用自适应变异粒子群算法对模型求解,将优化后的参数应用于实际生产调试,得到非常满意的结果,从而验证模型的正确性。     

基于极限学习机算法的大坝沉降预测模型研究

变形分析是大坝安全监测的主要工作。为解决单一预测模型难以考虑影响坝体位移的多个因素进行预测,BP神经网络参数难以确定,本文将极限学习机算法运用到某土石坝异常测点沉降量预测中,通过对比训练期模拟值与实测值,确定了模型参数。预测期模拟值较实测值基本一致,预测效果良好。并与BP神经网络、支持向量机模型就预测精度与稳定性做了对比。