基于 IPPA 优化 PNN 的变压器故障诊断研究

针对变压器故障诊断精度低的问题,本文提出一种改进寄生捕食算法(IPPA)优化概率神经网络(PNN)的电力变压器 故障诊断模型,首先利用主成分分析(PCA)对故障数据进行数据降维减少无效特征,然后利用混沌反向学习,柯西变异算子和 融合贝塔分布的线性递减函数的权重等多策略改进寄生捕食算法( IPPA),提高其优化能力,并使用改进后的 IPPA 算法优化 PNN 网络的平滑因子,以提高 PNN 的分类精度和鲁棒性。 最后将 PCA 处理后的数据输入到 IPPA-PNN 模型中进行故障诊断 并以变压器数据为依据进行测试,测试结果表明,IPPA-PNN 模型准确率达到 93%相比于 PPA-PNN 和 PSO-PNN 模型提高了 7%和 10%能够有效地提高变压器的故障诊断性能。     

参数自适应模糊PID控制器在温度控制系统中的应用

电阻炉模型参数具有随温度而变化的时变特性．当温度大范围变化时．采用常规PID控制方法不能满足较高工艺要求．为此，本文应用一种参数自适应模糊PID控制方法，并设计了基于单片机的温度控制硬件装置。实践证明该控制方法有较高的稳态精度和跟踪性。装置简单，运行效果较好。     

永磁同步电机调速系统H∞鲁棒控制

针对表面式永磁同步电机调速系统易受参数摄动和负载扰动等不确定性因素的影响问题,在传统矢量控制方案基础上提出了H_∞鲁棒控制策略。首先,在系统状态空间表达式误差模型下,考虑扰动因素设计了基于哈密顿-雅可比不等式的H_∞鲁棒电流控制器,实现了电流控制的鲁棒性;其次,在运动方程扩展状态空间表达式下,设计了基于线性矩阵不等式的H_∞状态反馈控制器增益型H_∞滑模面,进一步设计滑模控制律,得到了鲁棒H_∞滑模速度控制器,确保了速度控制的鲁棒性,改善了系统的动态品质;最后通过仿真和半实物仿真实验验证了该文提出控制策略的有效性和可行性。     

基于LE与ICROA-RVM的瓦斯传感器故障诊断

针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障作为研究对象,提出一种基于拉普拉斯特征映射(LE)和改进化学反应优化算法(ICROA)优化的相关向量机(RVM)进行模式分类与辨识,实现瓦斯传感器故障诊断。首先采用流形学习方法 LE对高维原始数据空间进行非线性降维特征提取,提取故障特征,该方法极大地保留了原始数据中的整体几何信息;然后将故障特征作为RVM模型训练输入,利用ICROA算法对RVM模型的核参数进行全局寻优,将训练好的ICROA-RVM模型对测试样本进行故障诊断。实验结果表明:该诊断方法具有训练速度快,故障辨识精度高的特点,故障诊断正确率在96%以上,能够有效地提高瓦斯传感器故障诊断的速度和准确性。     

基于虚拟仪器的仓储综合监测系统

文章介绍了虚拟仪器的概念及其软件开发平台 Lab VIEW的功能与特点。运用Lab VIEW开发了用于仓储综合监测的虚拟仪器系统 ,给出了虚拟仪器技术在工业应用中的广阔的发展前景     

基于PCA与权重贝叶斯的工作面煤与瓦斯突出预测

为实现对工作面煤与瓦斯突出快速、准确和动态的预测,提出一种基于主成分分析和权重贝叶斯的工作面煤与瓦斯突出预测方法,通过建立工作面煤与瓦斯突出预测的权重贝叶斯模型进行突出危险性等级预测。利用主成分分析确定预测模型中分类变量权重以提高预测准确性。在此基础上,设计基于相似度的训练样本数据更新方式实现对突出预测模型的有效重构。实验结果表明,与朴素贝叶斯模型和权重贝叶斯模型相比,基于主成分分析和权重贝叶斯工作面煤与瓦斯突出预测方法能快速获得高准确度的突出预测结果,为现场指导矿井工作面安全生产提供参考。     

模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。     

基于多Agent信息融合的煤与瓦斯突出预测

针对现有煤与瓦斯突出预测方法存在的不足,考虑检测到的影响煤与瓦斯突出的多种因素数据,建立了煤与瓦斯突出预测的多Agent信息融合模型,实现对煤与瓦斯突出的快速、准确和动态预测。利用基于均值的分批估计融合算法对煤与瓦斯突出指标的多传感器数据进行处理以获取更为准确、可靠的数据以提高预测准确性,应用D-S证据理论解决煤与瓦斯突出预测过程中的不确定性和不精确性问题。通过实例对提出方法进行验证,结果表明所提出的方法预测准确性高,是一种有效的煤与瓦斯突出预测方法。     

基于多传感器数据融合技术的瓦斯监测系统

瓦斯灾害是煤矿中最严重的灾害之一。最近几年瓦斯事故发生频繁，瓦斯爆炸夺走了许多矿井工人的生命，给国家造成了重大经济损失。对矿井瓦斯预测预报和对瓦斯进行控制，就能大大地减少瓦斯爆炸事故和矿工的伤亡。为此采用多传感器数据融合方法，对瓦斯、温度、风速等信号数据采样，提取它们特征量，对数据进行数据融合，实现对矿井瓦斯进行实时监测、预测控制，为矿井安全生产提供了有力的保障。并经过实验已取得较好的效果。