改进型遗传算法在故障诊断中的应用磁

遗传算法优化后的 BP 神经网络具有较好的全局搜索能力,但在迭代后期要求有较好的局部搜索能力,因此,通过对遗传算法进行改进,来平衡系统的全局搜索能力和局部搜索能力。实验表明,改进后的遗传算法能对各种故障进行可靠的分类,有效地提高了故障诊断的效率和准确度。     

BP网络结合遗传算法在故障诊断中的应用

分析了BP神经网络在模拟电路故障诊断中的缺点,提出了在BP神经网络的拓扑结构确定的情况下,先用遗传算法来训练BP网络的权值和阈值,经过若干代的交叉、变异后得到稳定的权值和阈值;再将它们赋值给BP神经网络,作为初始值,重新训练.这样训练出来的网络才能得到全局的最优值;同时还能够提高神经网络用于模拟电路故障诊断的智能性,改善故障诊断的精度和速度.     

遗传算法在间歇式反应釜故障诊断中的应用

间歇式反应过程是一种重要的化工生产过程,过程自身的非线性、时滞性和不确定性等因素决定了过程操作的复杂性和危险性。随着精细化工和生物制药等工业中设备的大型化和集成化发展,不断提升了间歇式反应过程故障诊断的重要性。提出了一种改进的遗传算法优化BP神经网络的故障诊断方法。利用提取反应釜的故障特征数据,采用改进的遗传算法优化BP神经网络的权值和阈值,然后利用优化后的BP神经网络训练故障特征数据,建立故障诊断模型,输出诊断结果。应用于间歇式反应釜温度故障诊断,仿真结果表明,改进算法能够提高故障诊断精度、缩短故障诊断时间,具有良好的实用效果。     

改进的遗传算法在医学图像中的应用

针对标准的遗传算法（ GA）在优化Otsu法求取图像阈值时出现收敛速度慢、易早熟等问题,提出了一种改进的GA用于图像分割。该算法根据种群不同的进化代数和个体适应度的大小,动态地调整精英选择策略和遗传算子,从而提高了算法的收敛速度、得到了范围稳定的图像分割阈值,且保持了种群多样性。将该算法应用于医学图像分割,实验结果表明：该算法可以对医学图像进行分割且效果明显。     

基于遗传算法的DM在故障诊断中的应用研究

介绍基于遗传算法的数据挖掘在设备故障诊断中的应用,并在应用中根据实际问题改进遗传算法。依据石化企业采集到的关键设备运转状态的历史数据,应用优化的遗传算法构建分类模型。利用建立的分类模型可以对新数据进行判别归类,识别出设备故障的种类,依此找到故障的原因并消除故障,为工程技术人员和决策者提供有力的决策支持。     

遗传算法在航电故障诊断规则优化中的应用

航空电子系统的日趋复杂化,使得用来进行故障诊断的模糊规则集合越来越庞大、冗余度越来越高,不能满足飞机故障诊断准确实时的需要.针对这一问题,采用一种基于Pareto优胜关系的多目标遗传算法--MOGA-Ⅱ对模糊规则集合进行去冗余优化,在保证诊断出的故障数目尽量多的前提下使得所用的规则数目尽量少.仿真结果表明,与传统的规则优化方法--权重系数法相比,MOGA-Ⅱ在不能获得足够的专家知识或操作经验时可以得到更加紧凑无损的模糊规则集合,更适合于应用在航电故障诊断规则优化工作中.     

改进神经网络在模拟电路故障诊断中的应用

研究模拟电路故障诊断准确性问题.电路故障与引起故障因素之间呈高度非线性,传统故障识别方法无法识别其非线性特点,导致传统故障方法的诊断精度低.为了提高电路故障诊断的精度,提出一种遗传算法优化BP神经算法的模拟电路故障诊断方法.首先对故障电路样本进行特征提取和归-化处理,然后采用遗传算法对BP神经网络参数进行优化,最后利用最优参数BP神经网络对电路故障样本进行训练和建模,获得电路故障诊断结果.在MATLAB平台上对模拟电路故障进行仿真测试,仿真结果表明,与传统模拟电路故障诊断方法相比,提高了模拟电路故障诊断精度,缩短了故障诊断时间,在模拟电路故障中有着广泛的应用前景.     

改进遗传算法在最小错误图像分割法中的应用

传统自适应遗传算法有可能使问题求解陷入局部最优解,而求得错误的图像分割阈值。为了得到最优的图像分割阈值,提出了改进遗传算法在最小错误图像分割法中的应用。改进的算法重新构建了交叉率和变异率的计算公式,使得交叉率和变异率在任何情况下都不为零。算法使用误差最小函数作为适应度函数,采用选择、交叉、变异等遗传操作搜索最优分割阈值。实验结果表明,改进遗传算法应用到最小错误图像分割法中,减少了运算时间,提高了分割准确度。     

改进的神经网络在变压器故障诊断中的应用

研究变压器故障准确诊断问题。通过对变压器油中溶解气体定性、定量地分析可及时发现变压器内部存在的潜伏性故障。但目前神经网络诊断方法存在收敛速度慢、不稳定问题,导致正确率低。为解决上述问题,提出了小生境遗传算法改进的神经网络模型。充分利用小生境遗传算法的搜索能力和神经网络的非线性映射和学习联想能力,用小生境遗传算法优化神经网络的初始权值和阈值,并对网络进行训练和测试。实验结果表明,与传统方法相比,改进模型有效提高了网络收敛速度、稳定性,提高了故障诊断正确率,具有很强的可行性和有效性。     

改进的遗传BP网络在旋转机械故障诊断中的应用

针对旋转机械故障的复杂性和相关性,本文采取改进的遗传BP网络算法进行诊断.首先利用遗传算法对BP网络的初始权值和偏置值进行优化,然后采取改变学习速度的方法对BP算法进行了改进,很好地解决了传统BP算法的学习收敛速度慢和产生局部极小的问题.通过样本训练和故障诊断分析,该算法在速度和精度上都有很大的提高.     

混沌自适应粒子群算法在故障检测中的应用

针对舰员对装备维修能力不足的情况,论文提出了一种能够应用于便携式故障诊断仪中的故障树诊断算法.首先通过对混沌自适应粒子群算法的参数选择进行优化,使粒子能够在全局范围内进行搜索,克服了其易陷入局部最优的缺点,其次将其应用于故障树诊断算法中,并通过仿真试验证明了该方法的有效性.     

一种混合遗传算法和BP算法的故障诊断方法的研究

将遗传算法和人工神经网络结合,构成一种新的混合智能学习算法,并用于732电路的故障诊断。经仿真实验,该算法在网络的权值训练和故障的诊断精度均优于单一的基于人工神经网络的故障诊断。     

化工故障诊断中基于遗传算法优化的SOM网络

针对自组织映射神经网络(SOM)启发式训练算法中的缺陷,采用遗传算法SOM中的权重失真指数(LWDI),形成基于遗传算法优化的SOM(GA-SOM)训练算法。将GA-SOM算法应用于化工过程故障诊断,以某工厂甲醇合成反应器故障数据样本为研究对象,研究结果表明,对比基本SOM算法,GA-SOM算法对故障数据能够得到较优的分类辨识结果,且该算法实现简单,便于工程应用,对甲醇合成生产中的故障诊断有非常显著的指导作用。     

一种改进的同伦BP算法及其在故障诊断中的应用研究

为克服标准BP算法中存在的网络学习收敛速度慢、容易陷入局部极小等问题,引入同伦算法,提出了一种将同伦论与快速BP算法结合的改进算法,并采用二进制结构表示输出模式矩阵。最后以柴油机燃油系统为例,对其中的几种故障进行诊断研究。仿真结果表明此方法既能快速收敛,又能大大提高避免陷入局部极小的能力。     

改进型小波包算法在变频调速系统故障诊断中的应用

在目前交-交变频调速系统故障诊断方法的研究基础上,文章提出了一种采用改进的小波包算法对交-交变频调速系统进行故障诊断的方法。文章在分析了标准的小波包算法原理及缺点的基础上,阐述了改进的小波包算法原理,并详细介绍了采用改进的小波包算法提取变频器故障信号特征量的方法。仿真结果表明:改进的小波包算法的计算量和占用的存储空间较标准的小波包算法少;与常规的诊断方法相比,基于改进型小波包算法的变频调速系统故障诊断方法具有准确度高、诊断速度快等优点。     

改进的贝叶斯算法在智能变电站网络故障诊断系统中的研究

提高智能变电站网络故障诊断能力对于确保电力系统的稳定运行和供电可靠性具有重要意义,故障的分类是目前智能变电站网络故障诊断系统所面临的一个主要问题.常用分类算法存在着训练数据多样化,特征的选择标准具有不确定性,学习潜力匮乏等问题,文章在原有贝叶斯算法的基础上加入了特征的选择标准及学习过程,实验结果表明改进的贝叶斯算法在很大程度上能有效解决故障分类问题,从而提高智能变电站的网络故障诊断能力.     

基于遗传算法的故障诊断的研究

介绍了遗传算法在故障诊断中的种种应用，指出将遗传算法应用于故障诊断可减少运算量、缩短平均诊断时间、提高诊断效率和故障识别精度。     

一种求解最小诊断代价的小生境遗传算法

在诊断操作相关的情况下,求解最小代价的诊断操作序列的过程是一个NP完全问题．目前的算法在建模和求解方面都不：是十分理想．通过对诊断问题进行更精确的建模和分析,提出了求解最小诊断代价的小生境遗传算法NGAMECD（Niche Genetic Algorithm for Minimum ECD）．实验证明,算法NGAMECD具有良好的性质,它需要的空间可以预测,较普通的遗传算法具有更好的隐式并行性,执行过程中群体能够保持多样性,在有效避免早熟问题的同时算法的收敛速度较快．NGAMECD与P／C更新算法相比,诊断代价减少了20％～50％．