基于优化平滑因子σ的概率神经网络的变压器故障诊断方法研究

目前在概率神经网络的机理研究中存在一个瓶颈问题:在有限的模式样本中提炼出能反映整个样本空间的平滑因子σ,目前的σ估计都基于经验或有限样本聚类的方法,并不能将空间的概率特性很完整地表达出来,而遗传算法可以在没有任何先验知识的情况下发现系统潜在知识。采用遗传算法来优化概率神经网络的σ,并把它应用于电力变压器的故障诊断中。通过MATLAB7.0仿真结果得出,经过遗传算法优化平滑因子后的概率神经网络可以大大提高故障诊断的准确性。     

基于概率神经网络的电力变压器故障诊断

提出了一种基于概率神经网络的变压器故障诊断方法,并用遗传算法优化概率神经网络的平滑因子,从而提高概率神经网络诊断的正确率.结果表明,实际的油色谱数据验证了此变压器故障诊断方法的可行性和正确性.     

基于概率神经网络的电力变压器故障诊断

提出了一种基于概率神经网络的变压器故障诊断方法,并用遗传算法优化概率神经网络的平滑因子,从而提高概率神经网络诊断的正确率。结果表明,实际的油色谱数据验证了此变压器故障诊断方法的可行性和正确性。     

基于神经网络与遗传算法的入侵检测研究

本文针对入侵检测系统中对入侵事件的误报和漏报,提出了一种将神经网络和遗传算法相结合的方法。该方法基于神经网络算法的局部精确搜索和遗传算法的全局搜索特性,用遗传算法优化神经网络权值,既克服了神经网络算法易陷入局部极值的弊端,又解决了单独使用遗传算法在短时间内难以找到最优解的问题。将得到的网络结构用于入侵检测系统中,使之能够准确的找出已知的攻击行为,并能够发现新的攻击行为。仿真结果表明该方法具有一定的有效性。     

基于DSP的驾驶员疲劳瞌睡检测系统

本文介绍了基于DSP的驾驶员疲劳瞌睡检测系统,详细介绍了以SAA7115为视频采集A/D、DSPTMS320DM642为核心处理器、SAA7105为视频输出D/A,并以FPGA控制输出来实现增强显示功能的实时视频处理系统.该系统采用双摄像头控制采集数据,可以满足多路视频的实时采集、处理、显示需求,可以作为疲劳检测算法的硬件平台.本系统具有结构紧凑、调节灵活、计算准确、可靠性高、实时性强的特点.     

基于概率神经网络的高压断路器故障诊断

高压断路器是最重要的电力设备之一,在电力系统中起控制和保护作用。为了提高高压断路器故障诊断的准确率,提出了一种基于概率神经网络(PNN)的高压断路器故障诊断方法。该方法在分析高压断路器的故障特性来确定特征信号的基础上建立了PNN故障诊断模型,该模型将采集的特征数据作为网络的输入,通过Parzen窗估计法得到类条件概率密度,进而按Bayes决策规则对特征数据进行分类。经仿真表明,概率神经网络故障诊断模型具有收敛速度快、故障诊断准确率高、容易训练等特点。因此,该方法是一种有效的故障诊断方法,具有良好的应用前景。     

基于面部特征点适用多对象的换流站运行人员疲劳检测系统设计

换流站运行人员在疲劳状态下进行电气操作或事故处理,其专注度和准确度将大大下降,可能导致误操作以及事故不当处理,造成严重后果.对此提出了一种基于面部特征点的适用于多对象的换流站运行人员疲劳检测系统,讨论其原理与设计.该系统可同时检测多个运行人员疲劳情况,提前预警,降低人员疲劳风险.     

基于麻雀搜索算法优化概率神经网络的变压器故障诊断

针对依照经验选取平滑因子导致概率神经网络模型故障诊断正确率不高的问题,提出了一种基于麻雀搜索算法优化概率神经网络(P N N)的变压器故障诊断方法.该方法引入麻雀搜索算法来优化概率神经网络中的平滑因子,然后将优化得到的平滑因子赋给PN N,从而得到优化后的变压器故障诊断模型.仿真结果表明,与优化前的PNN网络及PSO-...     

面部多特征融合的驾驶员疲劳检测方法

为了监测驾驶员的疲劳状态,提出了一种基于面部多种疲劳参数的驾驶员状态检测算法。首先利用Gabor滤波和梯度信息增强眼睛和嘴部的边缘信息以进行准确定位,然后采用一种旋转不变的LBP金字塔特征对眼睛进行特征描述,训练线性SVM分类器判别眼睛的开闭状态;并根据嘴部的张开面积及宽高比判断嘴部的开闭状态,同时通过统计眼睛在垂直方向上的运动确定头部位置的变化。最后基于眼睛和嘴部的状态、头部的位置,计算出4个能够描述驾驶员状态的疲劳参数,利用模糊系统推理得出驾驶员最终的疲劳状态。实验结果证明检测和状态判别的算法都有较高的准确率,其中眼睛状态的识别率平均在97%,嘴部状态的识别率也能达到92%;模糊系统的合理性也在实验中得以验证。     

基于概率神经网络的变压器故障诊断的研究

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义,本文介绍了基于概率故障神经网络(PNN)在变压器故障诊断中的应用。通过运用所设计的网络针对不同类型故障进行定性诊断并比较实验数据的合理性,仿真结果表明,这种方法应用于工程实际问题具有良好的有效性和实用性。     

基于PSO优化BP神经网络的能源需求预测

针对经济发展与能源消费存在复杂的耦合关系,从能源耦合角度出发提出了一种改进灰色关联分析和粒子群算法优化BP神经网络的能源需求预测方法.首先为量化能源耦合,粗略选取了与能源耦合密切相关的输入要素;其次,基于传统灰色关联分析的不足,建立了距离相似度和趋势相似度的综合相似度的输入要素选取方法,选取常用能源对应的输入要素;囿于...     

利用智能水滴算法优化神经网络的MPPT

光伏系统最大功率点跟踪(MPPT)对于提高光伏发电效率有着重大意义。给出一种智能水滴(IWD)算法优化Elman神经网络的MPPT方法。利用IWD算法对Elman神经网络的权值和阈值进行优化,提高Elman神经网络的训练效果。将IWD算法优化Elman神经网络的MPPT方法与传统预测方法进行对比,结果验证了所提方法的有效性。     

基于概率神经网络（PNN）的矿井提升机故障诊断研究

煤矿主副井提升机是煤矿生产中的关键设备,在井下煤炭提升以及设备和人员运送环节承担着重要作用,其工作状况的好坏,将直接影响矿井能否正常生产。本文以提升机主轴装置为研究对象,研究运用小波包能量法对监测的振动信号提取特征向量,基于概率神经网络建立故障诊断模型,在Matlab环境下进行仿真。结果表明,基于概率神经网络（PNN）建立的故障诊断模型收敛速度快,能够对提升机主轴装置的故障类型及故障位置进行很好地预测。     

基于优化神经网络的电网谐波检测方法

为了检测电力系统中的谐波,本文提出了一种基于优化神经网络的电网谐波测量方法.该方法应用一个结构和训练算法都优化了的多层前馈神经网络(MLFNN)对电网中的谐波进行检测,即首先考虑到神经网络的权值记忆负担主要来自谐波幅值和相角的变化,因此先对相角进行确定;再用基于神经网络理论方法对幅值进行检测,并使每一个输出神经元都对应于自己的隐层;然后利用多层前馈神经网络对当前及上一时刻的采样值进行分析,实现了对电网谐波的检测.实验仿真结果证明了该方法的有效性.     

基于一维卷积神经网络的癫痫发作检测

癫痫是一种最常见的危及生命且具有挑战性的神经系统疾病。癫痫脑电信号复杂多样,人工检测癫痫信号耗时耗力,误判率高,不同的医务人员检测出来的结果也不相同,而且临床的原始脑电数据经常会包含多种噪音和生理伪迹,干扰癫痫检测性能。因此,非常有必要进一步研究高效可靠的癫痫自动检测技术,从而减轻医护人员负担。本文针对来自中国301医院收集的临床原始脑电数据进行分析训练,引入了一种基于一维卷积神经网络具有连续双层卷积结构的模型,可以高效稳定地检测到癫痫信号。结果为灵敏度、特异性、准确率和F1-score分别达到96.8%、99.8%、99.6%和96.1%,而且利用GPU进行模型训练的运行时间比对比模型低2到3倍。结果表明,本文引入的基于一维卷积神经网络模型优于现有方法,在癫痫检测性能上高效稳定,对癫痫的辅助诊断具有重要意义。     

基于分形和概率神经网络的水电机组故障诊断

水电机组振动信号属于非线性、非平稳信号，在不同尺度下呈现一定的相似性，是典型的分形信号。本文运用多重分形方法分析机组振动信号，提取信号的广义维数谱特征，并应用人工鱼群算法优化的概率神经网络进行故障诊断。诊断实例表明，多重分形和概率神经网络结合，能够准确辨别故障类型。与BP和RBF网络相比，该方法诊断识别率更高，速度更快，为机组运行维护人员提供更为可靠的参考依据。     

基于优化卷积神经网络的电缆早期故障分类识别

准确识别电缆早期故障是及时消除故障隐患的必要前提。提出基于卷积神经网络的电缆早期故障分类识别的方法,可从含恒定阻抗故障、励磁涌流、电容投切扰动的过电流信号中准确识别电缆早期故障。通过小波变换提取过电流信号特征,构建卷积神经网络,进行训练调整网络参数形成输入特征与类别编码之间的映射关系。为解决训练过拟合和学习效率的问题,通过修正损失函数和采用自适应学习率的方法优化卷积神经网络。仿真结果表明,所提方法能对过电流信号进行有效分类,准确识别电缆早期故障,具有较高的工程应用价值。     

基于IBBOA优化BP神经网络的变压器故障诊断

为提高变压器故障诊断准确率,提出基于IBBOA优化BP神经网络的变压器故障诊断模型.在IBBOA-BP模型中,引入自适应权重,协调BBOA的全局和局部搜索能力;增加变异算子,提高蝴蝶种群的多样性,避免蝴蝶个体陷入局部最优.通过IBBOA优化BP神经网络的权值和阈值,避免BP神经网络出现易早熟问题,提高变压器故障诊断模型...     

基于AGA优化RBF神经网络的矿井通风机故障诊断

针对径向基神经网络(RBF)用于故障诊断时存在收敛速度慢、诊断结果准确率低等问题,提出了一种基于自适应遗传算法(AGA)优化RBF神经网络的矿井通风机故障诊断方法.采用AGA对RBF神经网络的隐含层节点数、隐层基函数的中心和宽度进行优化,以此提高RBF网络的泛化能力.通过大量收集和整理工作形成样本集,使用训练样本训练RBF网络,根据网络输出结果对通风机故障进行诊断.仿真结果表明,相较于RBF神经网络,AGA优化的RBF神经网络收敛速度更快,迭代次数更少,能够有效识别通风机故障类型,诊断结果准确率更高.     

模糊神经网络PID和PSO-PID优化的荧光检测控制系统

针对核酸提纯、扩增、检测一体化设备的荧光检测系统多通道检测运动的快速性和稳定性,设计了三种基于PID控制器的控制策略,分别为模糊PID、模糊RBF神经网络PID和PSO-PID。经MATLAB仿真结果表明,模糊PID控制有较大的超调量和调节时间,震荡较大;模糊RBF神经网络PID控制的超调量十分小,调节时间较小,无震荡;PSO-PID控制有小幅度震荡和超调量,调节时间最短,可快速到达稳定状态。模糊RBF神经网络PID和PSO-PID控制步进电机的方式同模糊PID相比,没有了主观经验的影响,反应时间快、稳定性好,具有很好的自学习、自适应能力。