钢铁企业蒸汽产生量预测模型研究

提出一种基于小波变换-最小二乘支持向量机的钢铁企业蒸汽产生量预测方法。先对数据进行小波变换以提取数据的特征;然后建立LS-SVM模型,对各分量进行预测以提高预测精度。实验结果表明:小波变换-最小二乘支持向量机预测方法预测精度高、性能好,具有良好的实用性,为蒸汽生产优化调度提供了科学的依据。     

基于小波神经网络的循环冷却水腐蚀预测研究

利用某石化企业40个月的循环冷却水实际生产数据,基于小神经网络进行了腐蚀预测研究。经过对比分析,得出了小波神经网络预测精度最高的网络模型为6-7-1结构。在相同输入参数向量下,对含有相同隐层节点个数的小波神经网络和BP神经网络进行腐蚀预测对比,小波神经网络比BP神经网络预测精度高。     

基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.     

基于小波分析和神经网络的聚丙烯产品质量预测

建立了基于小波变换和BP神经网络的温度和压力信号模型,用于聚丙烯产品质量预测模型.聚合前期的升温过程对最终产品质量影响大,第一个模型运用db4小波对前期聚合温度(压力)信号进行变换,将所得的部分系数作为神经网络输入参数,研究了聚合前期温度(压力)与熔融指数的关系.第二个模型以分解信号的功率频谱作为部分输入,预测聚丙烯的等规度.两个模型仿真结果表明,用温度变换结果作为输入比压力作为输入具有优势,熔融指数的相对误差为2.91%,等规度预测值的相对误差最小为1.0%,效果比较令人满意.     

一种引入动量项的小波神经网络软测量建模方法

针对小波神经网络存在收敛速度缓慢且容易陷入局部极小的问题,提出一种参数修正改进算法。首先,输出层神经元函数采用双曲正切函数代替传统的Sigmoid函数;其次,通过在权值调整式中增加动量项的方法选择学习步长,以提高网络学习效率。利用所提改进方法建立催化裂化主分馏塔轻柴油凝点软测量模型,结果表明,改进小波神经网络模型的预测精度和泛化能力优于BP神经网络和小波神经网络模型,对生产有重要的指导意义。     

小波神经网络在原油含水率预测中的应用研究

通过对原油含水率测量方法,以及原油含水率与影响其因素之间存在的非线性映射关系的研究,提出基于小波分解与神经网络相结合的小波神经网络原油含水率预测模型,给出具体的网络学习算法,并结合算法对原油含水率进行预测.实例分析表明,小波神经网络模型比传统的BP神经网络模型收敛速度快、预测精度高,且具有较强的学习能力和推广能力.     

基于IGA优化的神经网络的小电流接地选线方法

为了克服基于BP网络的故障选线方法学习效率低、收敛速度慢和容易陷入局部极小的缺点,提出了基于免疫遗传算法( IGA)的神经网络来实现配电网故障选线.通过快速傅里叶变换和小波包变换从零序电流信号中提取相应的故障特征量作为神经网络的输入,利用免疫遗传算法对神经网络进行训练,完成训练的神经网络模型为故障选线模型.ATP仿真结...     

粗糙集理论在柴油机故障诊断中的应用

以柴油机故障诊断为背景,研究了基于粗糙集理论的参数优化在故障诊断中的应用.首先采用小波包能量谱方法提取振动信号的特征参数,并用粗糙集理论对其进行属性约简,最后用RBF神经网络对各类故障进行辨识,结果表明:利用粗糙集约简后,通过减少神经网络的输入节点数,简化网络的结构,提高了诊断的准确率及效率.     

基于预测的城市供水管网运行评估方法

文中提出了一种基于预测的城市供水管网运行评估方法。基于精细化管理需求，为提高城市供水系统效率，响应节能供水号召，在此背景下，使用机器学习方法以及集成学习思想，首先利用了融合多纠偏机制的混合需水量预测模型对供水区域未来1 d的居民总需水量进行预测，然后提出了基于序列到序列的编解码网络结构对管网各个节点的水压进行分钟级预测。最后基于预测信息、节假日信息等提出了管网测压点的压力动态阈值的优化方法，实现了对城市供水管网整体运行状态的准确评估，为城市供水系统的水量调配提供调度指导，通过压力波动数据可以看出，研究所提供的阈值计算方法提高了调度决策水平。与此同时，文中以上海某区域为背景，通过需水量预测以及管道压力预测的方法，验证了所提出的模型在实际工作中，相较于传统模型具有更高的预测精度。     

基于小波神经网络的FRP复合材料损伤声发射信号识别

针对FRP复合材料损伤声发射信号的特点,运用小波包分解提取特征向量作为网络输入,通过小波分析与神经网络紧致结合的方式对不同类型的损伤模式进行识剐,并将遗传算法引入到小波神经网络中,优化网络初始权值,提高了网络的全局搜索与识别能力.     

基于小波网络的非线性动态过程建模和在环氧氯丙烷生产过程中的应用

A type of wavelet neural network, in which the scale function is adopted only,is proposed in this paper for non-linear dynamic process modelling.Its network size is decreased significantly and the weight coefficients can be estimated by a linear algorithm.The wavelet neural network holds some advantages supeiior to other types of neural networks.First, its network structure is easy to specify based on its theoretical analysis and intuition.Secondly, network training does not rely on stochastic gradient type techniques and avoidd the problem of poor convergence or undesirable local minima.The excellent statistic properties of the weight parameter estimations can be proven here.Both theoretical analysis and simulation study show that the identification method is robust and reliable. Furthermore,a hybrid network structure incorporating first-principle knowledge and wavelet network is developed to solve a commonly existing problem in chemical production processes.Applications of the hybrid network to a practical production process demonstrates that model generalisation capability is significantly improved.     

基于小波神经网络的配电网故障定位研究

在分析小电流接地系统单相接地故障特征的基础上,利用小波分析对非平稳随机信号所具有的优越的时频局部特性和变焦能力来实现提取故障时暂态信息量的特征分量,然后构建出小波神经网络,根据神经网络良好的非线性拟合能力,建立起故障特征分量和故障点位置之间的映射,从而达到故障点精确定位。     

基于非线性PLS小波基神经网络的动态过程监测

引言对于化工动态过程,当某些过程参数,由于人为的误操作、设备性能的下降、仪表故障以及外部环境的干扰等因素的影响,而偏离最优操作区域较远时,则认为是发生了故障．如果在过程刚偏离正常操作区域时,能够有效地监测出过程异常,就能最大限度地保证过程在优良状态下运行．动态过程监测可以理解为对数据窗内采集到的数据x（t）进行实时分类．本文利用小波变换以及非线性PLS（PartialLeastSquares）算法,提出一种新的基于非线性PLS小波基神经网络的动态过程监测方法,并将其用于动态过程监测．1基于非线性PLS小波基神经网络的动态…     

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。     

青霉素发酵过程软测量技术及其在JX-300X DCS上的实施

介绍基于小波神经网络的青霉素发酵过程软测量技术，以及利用OPC技术在SUPCON JX-300X DCS上的实施软测量的具体方案。     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。     

管道泄漏诊断方法研究

提出一种基于小波分析和神经网络技术的管道泄漏诊断方法。首先对管道泄漏的声发射信号进行小波包分解,然后提取各节点能量百分比作为特征向量输入BP神经网络,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的声发射信号来判断管道的故障状况。通过试验证明该方法在管道泄漏诊断中是有效可行的,不仅能判断管道是否发生泄漏还能识别泄漏种类。     

往复泵故障智能诊断系统的设计

开发了往复泵故障的智能诊断系统,以故障诊断系统为核心,软件部分用Visual C＋＋语言来开发,由软件控制同步进行压力、位置及流量等信号的数据采集和数据库管理。由于不同故障类型对应的信号曲线也不同,所以以压力信号为主,以流量信号为辅作为故障信息;然后应用基于人工智能理论的小波神经网络和小波包分解技术进行数据处理、保存和故障诊断。从小波神经网络诊断的结果可以看出：往复泵故障智能诊断系统诊断速度快,准确性高。