基于人工蜂群算法优化支持向量机的燃气轮机故障诊断

针对基于SVM(支持向量机)的故障诊断方法中支持向量机的参数难以选取导致诊断结果较差的问题,采用ABC(人工蜂群算法)对支持向量机的惩罚因子C和核函数参数σ进行优化;并构建了ABC-SVM(人工蜂群优化支持向量机)对燃机涡轮叶片故障进行诊断。诊断实例表明,该方法诊断准确率达到96. 43%,具有很好的诊断效果,为燃气轮机故障诊断提供了一种新的方法,具有实际应用价值。     

基于人工蜂群优化支持向量参数的压气机特性线的表达

为克服传统方法对压气机特性线内插与外推预测性能模拟精度不高的问题及准确实现压气机在变工况条件下基于部件特性线行为的燃气轮机的热力学仿真计算，一种基于蜜蜂采蜜行为的人工蜂群(Artificial Bee Colony, ABC)优化支持向量机 (Support Vector Machine, SVM)参数的方法被提出并用于压气机特性线的表达。从泛化精度及计算耗时的角度，与常用的BP算法、粒子群算法和网格寻优法的SVM模型相比较。同时，为验证训练样本容量对实验结果的影响，减少样本集数量，对比同一转速下不同算法的预测性能曲线及柱状残差图。应用分析表明，不同转速下基于ABC算法优化的SVM模型在压气机特性线的表达上具有更佳的预测精度和计算实时性，并且，该方法不随样本容量波动而精度失准，具有良好的鲁棒性。     

基于改进人工蜂群算法的Elman神经网络风机故障诊断

在风机齿轮箱故障诊断过程中,针对由于故障数据稀疏导致模型建立困难的问题,提出一种使用改进人工蜂群算法(IABC)优化Elman神经网络的故障诊断模型。该模型通过建立齿轮箱正常状态下的温度模型,采用残差分析,得到齿轮箱的故障状态,降低了建立模型的复杂度。采用IABC对Elman神经网络的相关参数进行优化,解决了Elman网络收敛速率慢、易陷入局部最优的问题。在IABC算法中,观察蜂阶段采用动态搜索策略,实现搜索能力和开发能力的平衡;在侦查蜂阶段,通过引入混沌变量扰动,增大种群多样性,进而达到全局最优。通过华北某风电场历史数据进行实验,结果表明,IABC与Elman神经网络的结合可对风机齿轮箱故障状态进行识别,且诊断正确率较高,可应用于实际故障诊断。     

杂草算法优化支持向量机的短期负荷预测

摘要： 针对支持向量机在短期负荷预测中的参数优化问题,利用杂草算法优异的搜索能力,构建了基于杂草算法优化支持向量机的短期负荷混沌预测模型（IWO-SVM）。该模型首先将支持向量机一组参数看作一个杂草种子,然后通过模拟杂草生存、繁殖过程实现支持向量机参数寻优,最后采用具体短期负荷数据对其性能进行分析。结果表明,IWO-SVM获得了高精度的短期负荷预测结果,能够满足短期负荷预测的实际要求。     

自适应人工蜂群算法在梯级水库优化调度中的应用

针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。     

粒子群优化算法和最小二乘支持向量机的 雷电过电压识别

摘要： 为了提高雷电过电压的识别率,满足雷电过电压识别的实时性,提出了粒子群优化算法和最小二乘支持向量机的雷电过电压识别模型。首先提取多种特征作为雷电过电压识别的输入向量,然后采用最小二乘支持向量机设计雷电过电压识别的分类器,采用粒子群优化算法确定最合理的分类器参数,最后通过实验分析其有效性和优越性。结果表明,PSO-LSSVM可以描述雷电过电压信号与特征间变化关系,提高了雷电过电压识别率,加快了雷电过电压识别速度,识别结果优于其他模型。     

基于人工蜂群算法的直流接地极优化选址

为有预见性地防御直流偏磁危害,在新建直流接地极初期应对直流接地极进行优化选址。考虑母线电压、发电机功率以及变压器因直流电流额外消耗的无功功率等参数,提出了基于人工蜂群算法的直流接地极优化选址方法,并量化了直流电流对交流电网的影响,最终通过IEEE 118节点及某实际电网两个工程算例验证了人工蜂群优化选址方法的可行性。研究结果为直流接地极优化选址、防御直流偏磁危害、降低直流电流对交流系统的影响提供了可能。     

基于改进人工蜂群算法的锅炉NO_x排放预测优化

针对电厂循环流化床锅炉NOx排放问题进行了研究,并对人工蜂群算法进行了改进,结合最小二乘支持向量机建立了锅炉燃烧NOx排放模型,对锅炉可调参量进行了优化,降低了NOx排放浓度。将改进的人工蜂群算法与基本的人工蜂群算法和粒子群算法进行比较,说明基于改进人工蜂群算法所建立的模型能够很好的预测NOx的排放浓度,具有很强的辨识能力和泛化能力,同时也表明了改进人工蜂群算法计算速度快的优点及优化数据上的优势,通过仿真试验,优化后NOx排放浓度明显降低,体现了其工程实用价值。     

基于粒子群优化支持向量机的变压器故障诊断

针对支持向量机(SVM)用于变压器故障诊断中模型参数具有不确定性的问题,采用粒子群优化(PSO)算法对支持向量机参数进行优化,减少了模型参数的不确定性。故障数据测试表明,PSO能快速、准确地优化SVM参数,二者的结合可有效完成变压器故障分类,并取得较为满意的效果。     

基于深度学习的发电机故障挖掘方法研究

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。     

电气设备机房的智能故障诊断与防护研究

从智能继电保护出发,针对电气设备机房故障诊断与防护进行分析,提出了基于微机保护的故障诊断与防护功能,进而实现智能在线监测、诊断、防护集成化.     

采用概率神经网络的汽轮机故障诊断方法

针对反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,提出了采用概率神经网络(PNN)的汽轮发电机组故障诊断方法。由于PNN学习算法简单、训练和泛化速度快,因此可以满足实时处理要求。此外,很容易把新的训练样本添加到以前训练好的分类器中,便于提高故障诊断结果的准确性。仿真结果表明:该诊断方法快速、准确且易于工程实现。图1表2参9     

基于HHT的旋转机械故障诊断方法研究

希尔伯特黄变换(Hilbert-Huang Transformation，HHT)，是先把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，EMD)，然后经过希尔伯特变换获得频谱的信号处理新方法。详细地介绍了HHT方法的理论和算法。首先，通过仿真信号把该方法与小波变换(Wavelet Transformation，WT)方法进行了比较研究，验证了方法的优越性；然后，把该方法用于旋转机械油膜涡动故障诊断中，研究结果表明：该方法相对传统的分析方法在较低转速区能更早发现油膜涡动故障，说明把基于HHT的时频分析方法用于旋转机械故障诊断是有效的。图11参8     

基于燃烧过程分析及模糊诊断技术的柴油机故障诊断方法研究

利用先进的内燃机燃烧学和热力学模型,建立了基于模糊诊断技术的柴油机故障诊断方法,应用数理统计方法确定了柴油机工作过程参数隶属度函数,构造了模糊故障诊断矩阵,并应用计算机技术实现了对柴油机常见故障的模糊诊断,在柴油机故障诊断应用中取得了良好的效果。     

小波包分析和神经网络在风电机组变频器故障诊断中的应用

由非线性电力电子装置组成的风力机变频器一旦发生故障,其故障特征信息不容易被提取和识别。为此,提出了一种基于小波包分析和Elman神经网络的电力电子装置故障诊断的方法,先运用小波包分析法提取电力电子装置电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网络的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以典型的风力机交—直—交变频器为例,在Matlab软件下建立电路模型对一次侧故障进行仿真实验,结果表明采用该方法可以快速、准确地完成故障诊断。     

基于模型的三元催化转化器故障诊断方法研究

催化器性能是车载诊断(on board diagnostics,OBD)系统必须监测的项目之一。根据催化器的储、放氧特性,分析催化器储、放氧的主要工作过程。根据双线性氧传感器信号,建立催化器的储、放氧模型,同时引入催化器的存储、释放氧气能力指数参数、催化器氧容量OSC、催化器存储、释放氧气速率μ等指标来对催化器性能进行评估。通过"浓稀法"试验,采用最小二乘法对模型的参数进行辨识。根据辨识结果,利用模型仿真对催化器性能参数进行估计,同时引入催化器老化因子ρ。研究结果表明:在催化器不同老化程度(ρ=1、0.8、0.6)下,催化器性能指标(、OSC、μ)均下降,能够有效反映催化器性能的变化,可用于催化器性能的在线估计。     

发电机电气故障智能诊断机理分析

把发电机运行经验与模糊理论、专家系统原理相结合,找出发电机电气故障原因和故障现象之间的模糊关系,建立了模糊关系方程,实现了智能诊断,并以软件实现模拟运行,诊断结果准确可靠。     

基于电气量判据的输电网故障诊断

以复杂电网故障诊断为目标,分析在发生多重故障且伴随不确定性因素的情况下的故障诊断流程,考虑保护和断路器拒动、误动可能性和告警信息误报、漏报等不确定性因素,对保护规则、动作状态和告警信息三者之间的关系进行解析,实现了实际动作状态和告警信息关系的解耦,并提出一种利用PMU电气量信息的电气量新判据,对常规解析模型增加约束,实现了故障诊断信息的冗余,极大地降低了误诊的可能性。     

柴油机故障诊断的局域波神经网络方法研究

针对柴油机表面振动信号的非平稳性，采用局域波法对其进行有效分解获得多个局域波分量，这些分量有效降低了信号的非平稳性，并且包含着原始信号瞬时频率和模糊频带的双重特征信息。然后以局域波分量的特征参数为输入对RBF神经网络进行训练学习，形成网络。这种方法增强了内燃机故障诊断的可靠性和精确，并在实际柴油机故障诊断中得到了有效地应用。     

瞬时转速监测法在热气机故障诊断上的应用研究

主要介绍了热气机瞬时转速测试系统,进行了瞬时转速信号的测量、处理和分析研究,提出了热气机故障诊断的特征参数,并给出了诊断实例。