基于Elman神经网络的风力发电机组齿轮箱故障诊断研究

风力发电机组齿轮箱是用于改变转速和传递动力的部件,易于发生故障的一个装置,且其运行状态对风力发电机的工作性能有很大的影响,故对风力发电机组齿轮箱故障进行诊断有实际意义。Elman神经网络可以降低网络对参数调整的敏感性,有效抑制局部极小值的出现,仿真结果显示,Elman神经网络能识别出风力发电机组齿轮箱故障类型,该诊断方法效果较好。     

基于Elman神经网络的油浸式电力变压器故障诊断

油浸式电力变压器的运行状态直接影响到电力系统的安全与稳定,对其进行故障诊断具有重要的现实意义。依据Elman神经网络具有动态处理数据及对历史数据敏感的能力,提出了将它用于油浸式电力变压器的故障诊断新方法,并给出了其具体的实现,同时对故障诊断的结果,将Elman网络与BP网络进行了比较。检测结果表明,Elman网络具有区别油浸式电力变压器不同故障类型的能力。     

基于Elman神经网络的负荷预测研究

电力系统负荷预测是电力生产部门的重要工作之一,其负荷变化具有明显的周期性,文章采用Elman神经网络与BP神经网络建立模型,提出了一种基于神经网络的负荷预测方法.对某电网实际历史数据进行仿真预测,经研究发现,Elman模型具有收敛速度快、预测精度高的特点,同时表明利用Elman回归神经网络建模对莱电网负荷进行预测是完全可行的,在负荷预测领域有着较好的应用前景.     

基于改进Elman神经网络的风速预测

指出风速预测对并网风力发电系统的运行有重要意义。为提高风速预测精度,提出了一种基于改进的Elman神经网络风速预测方法,利用误差反向传播的方法来确定反馈增益γ值。分别采用改进Elman神经网络与BP神经网络建立模型,对实际历史风速数据进行仿真预测。利用风电厂实际数据验证,并阐述了仿真结果。     

基于Elman神经网络的潜油电机速度辨识研究

鉴于潜油电机独特的高温工作环境所导致传感器安装困难的不足,该文利用Elman神经网络对无速度传感器潜油电机进行了速度辨识。实验方案中把数据采集卡采集到定子电流用小波分析,滤除高温所产生的高频噪声的影响,提取有用的信号作为样本输入,把测速发电机采集到的速度信号作为样本输出,按照"离线训练,在线辨识"的思想训练神经网络,使之仅通过定子电流就能对潜油电机速度进行辨识,实验证明本系统具有很高的稳态精度和良好的动态性能,其辨识结果可为进一步实现潜油电机的闭环控制和故障诊断提供有力保障。     

基于Elman神经网络的甘肃电网负荷预测模型

为提高甘肃电网负荷预测精度,提出了一种基于神经网络的负荷预测方法。针对甘肃电力系统负荷数据的非线性和动态特性,在多层前向BP网络中引入特殊关联层,形成有“记忆”能力的Elman神经网络,从而可以映射系统的非线性和动态特性。在网络训练算法中,采用自适应学习速率动量梯度下降反向传播算法,显著提高了网络的训练速率,有效地抑制了网络陷入局部极小点。文中分别采用El-man神经网络与BP神经网络建立模型,对甘肃电网实际历史数据进行仿真预测,经分析比较,证明前者具有收敛速度快、预测精度高的特点。这表明利用Elman回归神经网络建模对甘肃电网负荷进行预测是可行的,能有效提高负荷预测精度,在负荷预测领域有着较好的应用前景。     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

基于Elman型网络的凝汽器故障诊断研究

把Elman神经网络和模糊理论相结合,对凝汽器故障进行诊断.用Matlab7.0矩阵式运算语言开发出凝汽器故障诊断系统.在网络训练过程中证实了Elman网络相对前向型网络的优越性.并以系统的诊断实例说明该方法对于运行人员的指导意义.     

Elman神经网络在高压电力计量系统故障诊断中的应用

利用Elman神经网络自适应性强的优势,将其应用于高压电力计量系统故障诊断中。对计量系统的8个运行参数提取故障信息作为网络的输入值,以4位二进制数表示正常情况和9种主要故障类型,用采集得到的样本对网络进行训练,并选取4种故障类型进行网络测试,结果表明,Elman神经网络模型对高压电力计量系统故障有很好的辨识和诊断效果。     

基于小波神经网络的传感器故障诊断方法研究

详细阐述了小波神经网络的结构、原理,在分析智能大厦中空调机组传感器主要故障的基础上,提出了基于小波神经网络的诊断方案.MATLAB仿真和模拟实验结果表明,在相同的条件下,小波神经网络在解决传感器故障检测、分离和补偿问题上优于传统的BP网络.     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法.通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性.     

基于经验模态分解与Elman神经网络的永富直流换相失败故障诊断方法

直流输电系统因自身的优越性能已广泛应用于电力系统。换相失败是直流输电系统中一种常见故障,会导致电流电压发生突变,给直流系统的安全稳定运行带来严重威胁。利用PSCAD/EMTDC平台搭建了永富直流输电系统模型,提出了基于经验模态分解和Elman神经网络相结合(EMD-Elman)的换相失败故障诊断方法。通过大量仿真实验发现使用Elman+样本熵可以有效的进行故障诊断,仅在50组样本的情况下对换相失败故障识别的精确度就可以达到95%以上,证明了该换相失败识别方法的有效性。     

基于BP网络的开关电源故障诊断方法研究

分析了开关电源故障诊断方法研究的现实意义,以BP神经网络、数据模糊化和功能测试理论为基础,针对开关电源电路特征提出了采用功能BP网络与子模块BP网络相结合并行处理方法,首先避免了建立庞大的BP网络,其次解决了大规模模拟电路功能模块串行处理效率低的问题.测试和仿真结果表明,所提出的方法能够有效地诊断模拟电路故障模块和故障元件.     

基于BP神经网络的光伏阵列故障诊断研究

光伏阵列多安装在较恶劣的室外环境中,因此在运行过程中常会发生故障。为辨别光伏阵列故障类型,提出了基于L-M算法的BP神经网络的故障诊断方法。在深入分析不同故障状态下光伏阵列输出量变化规律的基础上,确定了故障诊断模型的输入变量。本方法无需额外的设备支持,具有简便、成本低的优点;可以在线实时地进行故障诊断。仿真和初步实验结果验证了基于BP神经网络的故障诊断方法可以有效地检测出光伏阵列短路、断路、异常老化及局部阴影等四种故障。     

一种基于小波神经网络的模拟电路故障诊断方法

本文针对模拟电路提出了1种新的基于紧致型小波神经网络的故障诊断方法。该方法首先利用小波变换和主成分分析对故障信号进行预处理,然后用处理后的故障特征数据对小波神经网络进行训练和测试。仿真实验表明,该方法比普通神经网络方法训练速度更快,诊断准确率更高。     

基于BP和Elman神经网络的智能变电站录波启动判据算法

针对传统故障录波启动判据算法的局限性,提出一种基于BP神经网络和Elman神经网络的算法。以A、B两相电流越限为例进行了算法的研究,通过选取启动判据样本来训练BP和Elman神经网络,将启动判据信息输入到训练好的两种模型中,由输出结果就可以判断是否需要启动录波。Matlab输出表明:基于BP神经网络的故障录波启动判据算法能有效地完成录波启动,误差较小,但是速度相对较慢;而基于Elman神经网络的故障录波启动判据算法也可以完成录波启动,但是误差稍大,由于带有反馈环节,所以速度较平稳,易于工程实现。较之两种算法,可针对故障录波数据量的大小进行择优选择。     

基于多传感器信息融合和神经网络的汽轮机故障诊断研究

针对传统故障诊断方法存在的诊断准确性不高的问题,提出了基于D-S证据理论的多传感器信息融合技术与BP神经网络相结合的方法,实现对汽轮机的机械故障诊断.由多个传感器采集振动信号,分别经小波变换特征提取后获得故障特征值,再经BP神经网络进行故障局部诊断,得到相应传感器对故障类型的基本可信任分配函数值,即获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,最终完成对汽轮机机械故障的准确诊断.实验结果表明,该方法克服了单个传感器的局限性和不确定性,是一种有效的故障诊断方法.     

基于小波和神经网络的导弹故障诊断方法

在导弹试验过程中,及时进行故障诊断是保障试验安全的关键,故障诊断的方法一般是采用分析提取到的特征数据,来预判导弹飞行的预期效果和发生故障的概率.在分析过程中需要处理来至多只传感器的测量数据,而其特征向量维数较多,一般的数据处理方法不能满足要求.因此,提出了1种利用小波包分析辅以人工神经网络分析处理的故障诊断方法,实现了...