基于贝叶斯优化XGBoost算法的变压器故障诊断

为提升对高能放电等小样本故障诊断的敏感度，提出基于贝叶斯优化极端梯度提升算法（BO-XGBoost）的变压器故障诊断模型。分析了贝叶斯优化XGBoost算法的基本原理和基于该算法进行变压器故障诊断的流程，选取259组故障样本，探讨了该模型的具体应用，并将其与XGBoost、支持向量机（SVM）、随机森林（RF）、K邻近法（KNN）等模型进行对比。结果表明，BO-XGBoost模型在变压器故障诊断中的精度为98.08%，比前述模型的诊断精度分别提高了5.77%、27.42%、22.58%、19.5%。     

基于萤火虫算法优化BP神经网络的目标威胁估计

在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的目标威胁估计模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于BP和PSO_SVM。该模型和算法具有很好的预测能力,可以快速、准确地完成目标威胁估计。     

萤火虫算法优化SVR参数在短期电力负荷预测中的应用

由于萤火虫算法(FA)具有全局性能好、收敛精度高等优点,因此将萤火虫算法用于SVR的惩罚系数C和核参数σ的优化选取中。为提高迭代收敛速度和寻优精度,对萤火虫算法加以改进,在迭代过程中对亮度最亮的萤火虫位置施加随机扰动;将参数经过优化选取的SVR用于短期电力负荷预测,并将预测结果与采用网格搜索法、遗传算法、粒子群算法得到的结果做比较。其结果表明,采用改进萤火虫算法作参数寻优的SVR的负荷预测精度高,效果最好。     

基于萤火虫优化的自适应PCNN遥感图像融合

为了提高融合后多光谱图像的质量,本文提出一种基于快速非下采样轮廓波变换(FNSCT)与萤火虫优化的自适应脉冲耦合神经网络(PCNN)相结合的图像融合算法。将通过亮度-色度-饱和度(IHS)变换的多光谱图像亮度分量与全色图像分别进行FNSCT变换,获得相应的高低频系数。针对低频系数,采用区域平均能量法进行融合;对于高频子带,为了确定PCNN模型的最优参数,将PCNN算法的链接强度与链接范围自适应化,并利用萤火虫算法优化其余参数,获得更优的PCNN模型,实现高频系数的融合。最终经过FNSCT逆变换和IHS逆变换得到融合结果。实验结果表明:本文提出的算法既提高了图像的空间分辨率又很好地保留了融合图像的光谱信息。     

基于改进果蝇算法优化PNN的变压器故障诊断研究

为了提高电力变压器故障诊断准确率,通过分析变压器油中溶解气体数据,提出了一种定向变步长的果蝇算法(DVSFOA)与概率神经网络(PNN)相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大,对果蝇算法位置公式进行更新调整,对平滑因子进行参数寻优,将优化结果赋值给PNN模型进行网络训练,得到了用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法具有较高的诊断精度,收敛速度快,整体性能高。     

基于代价敏感XGBoost的企业信用评估模型

我国信用不良的企业数量远小于信用良好的企业数量,样本类别的极端不平衡导致传统的信用评估模型在训练时无法充分学习信用不良企业的特征.为提高极端梯度提升算法(Extreme Gradient Boosting, XGBoost)在企业信用评估这种不平衡分类问题中的准确率,提出一种基于代价敏感XGBoost的企业信用评估模型.在XGBoost算法拟合过程中,加入代价敏感损失函数迫使模型更加关注少数类的特征,并引入贝叶斯优化调整模型的重要超参数.以我国A股市场中小板块企业2016—2020年数据为样本,实证结果表明,基于代价敏感XGBoost的企业信用评估模型能够在保证总体识别精度的情况下提高对信用不良企业的识别准确率.     

位置更新正弦调整的萤火虫群优化算法

针对萤火虫算法求解精度不高、收敛慢、容易陷入局部极小等缺点,提出了位置更新正弦调整的萤火虫群优化(S-GSO)算法.通过对权重的分析,在位置公式更新过程中,引入正弦公式进行调整.通过8个经典测试函数仿真表明,与基本萤火虫群优化算法、最大最小荧光素值萤火虫群优化算法和确定更新搜索域的萤火虫群优化算法相比,S-GSO算法求解精度更高、收敛速度快,增强了全局搜索的能力.     

基于IGA-SVM的汽轮机故障诊断研究

针对支持向量机相关参数很难预先确定合适的取值,而这些相关参数又对其分类精度有着很大影响的问题,本文利用改进的遗传算法(IGA)对支持向量机的相关参数进行了优化.将改进遗传算法优化的支持向量机(IGA-SVM)算法应用于汽轮机故障诊断中,并与标准遗传算法优化的支持向量机(GA-SVM)算法的识别结果进行比较.结果表明,IGA-SVM算法对故障数据能够得到较优的分类辨识结果,对汽轮机的故障诊断有显著的指导作用.     

基于混沌粒子群优化支持向量机的变压器故障诊断

为了提高电力变压器故障诊断的准确性,也要克服人工神经网络(ANN)中存在的收敛速度慢、容易陷入局部极值等缺陷,提出一种混沌的粒子群优化支持向量机的变压器诊断方法,该方法不仅具有很强的全局搜索能力,而且适用于支持向量机(SVM)参数优化,提高算法的鲁棒性.首先利用混沌的粒子群算法优化支持向量机的参数,把气体的特征参数代入优化的支持向量机分类模型中进行诊断,能够准确地分类变压器故障,从而达到故障诊断的目的.实验结果与常规方法比较,该方法能简单有效,诊断速度快,诊断正确率高.     

大学生个人信用评价模型

首先改进萤火虫算法的初始种群与移动步长,并用来优化BP神经网络初始权值与阈值参数,以构建IGSO-BP神经网络协同集成学习算法。建立基于该学习算法的大学生个人信用评价模型,Matlab仿真验证了模型的可行性。     

烟机叶轮的计算模型研究与强度分析

烟气轮机结构设计的关键是准确计算叶轮强度。采用数值模拟仿真的方法,通过有限元软件ABAQUS计算叶轮强度,计算内容包括叶轮的动静强度。物理模型选取叶轮的1/66,静强度计算结果显示最大应力发生在叶身底部背弧的中心位置,这与实际运行现场发生断裂故障一致,说明进行叶轮的静强度有限元数值计算时在保证网格质量的前提下必须考虑叶根与榫槽接合面之间非线性接触效应,而且接触部位的网格需用六面体网格。动频数值计算时,分别对2种约束形式下的模型进行计算,结果表明固定叶根情况下动频与考虑接触效应动频之间的差异主要体现在一阶模态上。强度分析表明该型号烟机的叶轮强度满足要求,对烟机叶轮的叶型设计具有指导意义。     

涡轮叶片精铸模具CAD系统实例库的设计与研究

对基于实例推理的涡轮叶片精铸模具CAD系统的核心内容——实例库进行了较深入的研究,给出了涡轮叶片精铸模具的实例表达、实例组织、实例存储和检索的方法,为基于实例推理的涡轮叶片精铸模具CAD系统的实现打下了良好的基础。     

采用极限梯度提升算法的电力系统电压稳定裕度预测

将极限梯度提升树（XGBoost）算法应用于电力系统电压稳定评估问题. 根据电压稳定问题特点,提出能够反映电力系统运行状态的特征集;把电压稳定裕度绝对值作为映射目标,并介绍生成样本集的方法. 在介绍XGBoost算法基本原理的基础上,研究该算法的技术细节. 在IEEE-39节点系统上进行验证,结果表明,XGBoost算法在R方值和平均绝对百分误差2项回归指标上均优于其他几类机器学习算法,且模型的计算速度最快,可以满足在线应用要求. 同时,XGBoost算法具有良好的数值错误和数值缺失容错性,并可以针对预测偏差较大的样本进行数据补充,实现模型的更新,使得模型表现趋于稳定.     

Numerical simulation of HP rotor cooling configuration using parameterized method

This paper implemented cooling configuration design on certain gas turbine HP rotor using parameterized method.It is convenient for complicated gas turbine blade modeling using parameters and also benefit for the geometry modify in later period.Parameterized modeling is the foundation of air cooling turbine blade design method engineering application.Mesh quality can be awarded when generated complicated cooling configuration blade grids,and also the increase of calculation error can arise by many mesh blocks.Film cooling and serpentine passage can effectively enhance the cooling effectiveness and protect blade.     

三菱M701F燃气轮机叶片冷却技术分析

提高燃气轮机进口初温是提高其效率的有效方法,这在一定程度上受到透平热部件结构强度的限制,而采用先进的叶片冷却技术是提高燃气轮机进口初温的有效措施。通过分析三菱M701F燃气轮机叶片冷却技术的冷却原理和运行方式,为燃气轮机的安全高效运行提供参考。     

基于RS-RBF的燃气轮机控制系统传感器故障诊断研究

燃气轮机控制系统在电厂安全运行中起到重要作用,而传感器作为控制系统中的测量信号装置,其安全性至关重要,因此开展对燃气轮机控制系统传感器的故障诊断研究具有重要意义。在传感器故障诊断中需要从故障信息中提取出有效的诊断规则。为了解决这一问题提出了一种改进离散化方法对数据进行预处理,结合粗糙集(RS)和径向基(RBF)神经网络对传感器进行故障诊断研究。实验结果表明,该方法减少了燃气轮机控制系统传感器故障类型的误判率。     

涡轮叶片尾缘针肋换热及热应力耦合分析

涡轮是燃气发动机的重要部件，工作在高温燃气的环境中，产生的热应力对涡轮的强度有很大的影响。为了减小涡轮中叶片的热应力，提高其工作的可靠性，一般要用冷却装置加强散热。冷却装置的换热效果与工作温度场及装置的结构和形状等因素有关，而且冷却装置本身要承受热应力。设计冷却装置时要综合考虑这几方面的问题。多场耦合比较复杂，用有限元法模拟了针肋换热，分析了热应力和变形，对几何形状不同的2种针肋进行了对比分析，表明曲线针肋的换热性能优于圆柱针肋，并对结构设计提出了改进意见。     

尾缘射流式垂直轴风力机气动特性数值分析

为抑制翼型表面流动分离并提高风力机叶片气动性能,将可靠性较高的吹气射流技术应用于垂直轴风力机叶片尾缘。采用数值模拟方法分析不同尾缘射流角度对垂直轴风力机风能利用系数、力矩系数及单叶压力与整机涡量的影响。模拟结果表明:在最佳尖速比(2.63)时,10°射流可以有效降低翼型尾缘脱落涡频率,有效控制叶片尾迹效应,整机效率及运行稳定性均优于0°尾缘射流式垂直轴风力机;在较低尖速比时,风力机单叶力矩峰值均集中在120°相位角,尾缘10°射流对整机力矩系数有显著提升效果;在较高尖速比时,单叶翼型压力面存在较大正压区,风能利用系数最大可提高11%左右,气动性能明显优于无射流垂直轴风力机。尾缘射流降低了风力机叶片所需承受的轴向载荷,提高了风力机输出功率。不同角度尾缘射流均能有效降低叶片表面流动损失进而延缓流动分离,数值结果为尾缘射流式垂直轴风力机的工程应用提供了部分参考价值。     

风力机叶片在拍打方向的载荷估计与可靠性分析

为了保证风力机在复杂的载荷下安全、稳定运行,提出了一种用于分析风力机叶片在拍打方向上的疲劳概率模型．该模型利用应力-强度干涉理论,并且假定风速服从威布尔分布．考虑风速的不稳定性作用,在风力机叶片上分布载荷的不确定因素,并假定风力机的设计寿命为20a．在拍打方向上的疲劳概率通过一阶可靠性方法计算．计算了风速为12m／s,湍流度为I=0．02、0．1、0．15、0．2的4种情况,并对耿贝尔分布、三参数威布尔分布以及威布尔分布3种分布进行了比较．通过比较得知,耿贝尔分布的直线性比较好,而三参数威布尔分布以及威布尔分布都有尾部现象．最后,以600kw风力机叶片为例,通过应力-强度干涉理论来对叶片的可靠性进行估算．计算结果表明该台风力机符合可靠性要求．     

新型的汽轮机后加载叶型的研究

与传统的汽轮机叶片负荷分布采用沿流向均匀分布规律,或最大气动负荷与位于叶片前缘的前部加载分布规律所不同的是,具有后部加载叶型的透平叶片,其最大气动负荷位置明显向下游方向移动。这种负荷分布形式使得具有后部加载叶型的叶片具有良好的攻角适应性,以及降低二次流损失的特点。