均匀磁场强化磁性液体导热系数实验研究

将封有聚α-烯烃合成油基磁性液体的两玻璃管放置于磁场中,为消除磁场力、重力所引起的磁性液体自然对流的影响,消除端部效应,研制了磁性液体在均匀磁场中瞬态双热线导热系数的实验测量系统.实验测量了均匀磁场对不同体积浓度的磁性液体导热系数的影响.结果显示,均匀磁场显著强化磁性液体的导热系数,其导热系数随磁场强度的增加而近似线性...     

薄层多孔层内池沸腾液体回流机理分析

为探讨薄层多孔层内池沸腾时的液体回流机理,通过光滑平板和不同薄层多孔介质的池沸腾实验,获得了多孔介质表面气泡沸腾特性和池沸腾曲线,结合实验结果计算了薄层多孔介质层内液体的最大回液流速、毛细极限,并分析了多孔介质层内液体回流机理及毛细极限的形成机理。研究结果表明:多孔介质存在弯液膜,回液流速高,不易出现局部干涸;多孔介质毛细压力和渗透率越大,回液效果越好;单核化点回液不足后,核化密度增大,回液仍不足后出现局部干涸,即出现毛细极限。     

磁致伸缩引起的径向磁通电机定子铁心振动精确解析模型

铁磁材料的磁致伸缩效应是引起电机振动噪声的主要原因之一。为了计算磁致伸缩引起的径向磁通电机定子铁心振动,基于压磁方程和牛顿第二定律分别建立磁致伸缩引起的电机定子铁心振动精确解析模型。利用解析模型确定了各物理量之间的关系。得出磁致伸缩引起的电机定子铁心振动与磁致伸缩系数成正比,定子铁心轭部和齿部的振动位移分别与轭部圆环半径、齿高近似呈线性关系,弹性模量对磁致伸缩引起的电机定子铁心振动影响很小。利用有限元法和实验测试验证了磁致伸缩引起的电机定子铁心振动精确解析模型的准确性。最后,利用定子铁心振动实验和有限元法对解析模型进行验证,通过解析计算值、有限元计算值与实验测试值的对比,验证了解析模型的准确性。     

基于改进PSO-BP算法的动态称重数据处理

为了解决羊只体重如何快速精确动态测量的问题,提高智慧农场的智能化水平,提出基于BP神经网络的动态处理算法。搭建了羊群动态称重系统,使用LabVIEW上位机采集数据,选择四路压力称重传感器信号作为网络输入,真实羊只体重数据作为网络输出,进行BP神经网络的输入、输出训练和测试,由于BP神经网络存在局部极小值等问题,测试样本平均相对误差较大,为此利用粒子群算法优化BP神经网络的权值和阈值。结果表明,BP神经网络算法测试样本的平均相对误差为7.9%,PSO-BP算法测试样本的平均相对误差为5.3%,说明PSO-BP神经网络更能有效地减少羊群的动态称重误差,具有潜在的应用价值。     

小波包分析和BP神经网络在滚动轴承故障模式识别中的应用

根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分,同时得到了第三层由低频到高频的小波包分解系数,再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型,最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。     

椭圆形覆冰导线的液滴碰撞特性

过冷却液滴碰撞系数是架空输电线路覆冰生长机理研究的基础内容,该系数受覆冰导线截面形状、气象条件等因素的影响。为此以圆形、椭圆形覆冰为研究对象,采用流体力学数值模拟计算方法,分析结冰对象尺寸、风攻角、液滴中值体积直径对液滴碰撞系数的影响;随后,在大量液滴碰撞系数数据的基础上,采用误差反向传播(back propagation,BP)神经网络算法拟合出碰撞系数与其他因素的关系,在给定输入参数时可快速预测出液滴的碰撞系数;最后,搭建液滴碰撞系数实验平台。实验在0~3℃的环境温度条件下进行,通过高性能吸水纸吸附碰撞液滴,验证了数值模拟及BP神经网络预测过冷却液滴碰撞系数的有效性。     

基于遗传算法优化BP神经网络的接触电阻预测

接触电阻是反应导体间电接触性能的重要参数,在实际的工程中往往采用经验公式对接触电阻进行计算,精度难以满足要求。为解决这一问题,将遗传算法(GA)与BP神经网络相结合对接触电阻进行预测。通过实验得到数据,分别利用遗传算法优化BP神经网络、BP神经网络以及回归分析模型进行训练和测试,并将各算法所得误差进行对比。误差对比结果表明：遗传算法优化BP神经网络的收敛效果优于其他两种算法,且遗传算法优化BP神经网络所得接触电阻模型的相对误差平均值比BP神经网络减少了4.01%,比回归分析减少了4.72%,且预测效果较稳定。利用遗传算法与BP神经网络相结合的接触电阻预测模型较单独使用BP神经网络预测模型具有更好的非线性拟合能力和更高的预测精度。     

饱和多孔介质对流特性对高压交流海底电缆载流性能的影响

精确分析海底电缆的载流性能对于提高海上风电系统的经济性具有重要意义，而现有计算方法未能表征多孔介质的对流换热效应对海底电缆温度场和载流量的影响。针对海床沙土的多孔介质属性，构建了海底电缆的电-磁-热-流多场耦合模型，研究了其周围饱和多孔介质中的对流换热过程，分析了多孔介质渗透率对温度场及对流换热强度的影响；结合导热系数、电缆埋深和三相间距等载流量影响因子分析，通过和IEC计算结果对比，讨论了渗透率对海底电缆载流特性的影响规律。分析结果表明，该文模型提高了海底电缆载流量的计算精度；当海床沙土的渗透率大于10^-12m²时，海底电缆的载流量随渗透率变大而明显提升，此时电缆周围介质中对流换热过程占主导地位；而现有方法由于普遍将海床沙土简化为没有空隙的固体，而导致海底电缆载流量计算结果明显偏低且不受渗透率影响。该文研究结果为改善海底电缆载流性能提供了参考。     

基于神经网络的磁性活性炭吸附双酚A研究

对磁性活性炭吸附双酚A废水过程模拟进行了研究,采用BP人工神经网络算法,分别建立了双酚A的去除率与活性炭投加量、吸附时间、溶液浓度、温度的复杂非线性关系。用实验数据对该神经网络模型进行了训练,结果显示:训练组和验证组的计算结果与实验值的相对误差分别约为0.18%和0.21%,相关系数R分别为0.9610和0.9596,说明实验值和模拟值之间有紧密的相关性且离散程度不明显,该BP神经网络对磁性活性炭吸附双酚A的过程有较好的预测能力。     

塔式太阳能发电多孔介质吸热器传热研究

为研究多孔介质结构参数对塔式太阳能多孔介质吸热器传热传质特性的影响,建立容积式吸热器稳态传热模型,在总结一般多孔介质容积换热系数模型的基础上,利用实验数据提出针对太阳能多孔介质吸热器的容积换热系数模型,并与实验数据进行比较,验证了所提模型的可靠性。采用数值方法对吸热器传热模型进行求解,并分别分析孔隙率、平均颗粒直径、厚度与入口空气速度对温度场的影响,为同类型太阳能吸热器的设计和改造提供了参考。     

基于CPSO-BP神经网络的风电并网暂态电压稳定评估

针对目前传统方法难以快速、准确判断风电并网后系统暂态电压稳定性的问题,提出了一种基于CPSO-BP组合的风电并网暂态电压稳定评估方法。首先采用混沌理论对粒子群算法的不足进行改善,应用改进后的算法对神经网络的初始权值和阈值进行优化,然后利用系统故障前后采集的传统物理量和风电场相关的物理量作为BP神经网络输入特征量进行监督学习,最后将训练得到的模型应用于风电并网系统的暂态电压稳定评估中。利用英格兰10机39节点系统标准算例进行风电并网仿真分析,结果证明了所提方法的有效性。     

基于数据挖掘算法的通信领域故障信号识别性能分析

针对通信领域故障信号识别的技术问题,提出了基于数据挖掘算法的通信故障信号识别方法。通过K-means聚类算法,使得用户从诸如温度、振动、电网故障、负荷、湿度、谐波、磁场、电网纹波等影响通信质量的样本数据中,根据通信类别样本的某些属性或某类特征,确定聚类簇数K,把通信样本类型归为已确定的某一类别中,使得簇内的通信样本数据能够紧密分布在一起,并通过欧几里得距离公式计算出某个类别范围内的数据。通过对数据进行聚类,使用户快速对影响因子进行分析、计算,大大提高了分类效果及稳定性。然后在聚类的数据中,采用BP神经网络模型再次对获取的聚类数据进行训练、计算,能够映射、处理不同聚类类别故障信息数据之间的复杂非线性关系,更加精确、及时处理数据,使用户对评估故障信号的精确度大大提高,减少了计算误差。     

一种新的故障筛选和排序的方法

为了避免在故障筛选与排序中忽略严重故障而导致大停电的发生,提出了一种比较精确的新的故障筛选和排序方法。以动态安全域的求解为基础,在故障筛选时运用解析法求动态安全域,进而求解失稳度。以故障的失稳度作为故障筛选的指标,快速选出严重的故障,形成故障筛选集。在故障排序时对于筛选集中的故障线路运用BP神经网络求解动态安全域,从而求解概率不安全指标,以故障的概率不安全指标作为故障排序的指标,得到精确的故障排序。通过IEEE10机39节点系统算例验证了该方法能够快速、全面、准确地实现故障的筛选与排序,同时通过IEEE4机11节点系统验证了BP神经网络求解动态安全域的可行性,误差为0.0608,满足要求。     

基于BP神经网络的输电线路工程造价预测模型

为解决在输电线路工程前期决策阶段的方案比选过程中,如何利用较少的工程信息,快速、准确地预测比较各方案工程造价,评估工程方案的合理性,本文提出一种基于BP神经网络的输电线路工程造价预测方法,分析并找出输电线路工程造价的影响因素,并将这些因素作为BP神经网络输入变量,输电线路工程造价作为输出变量,建立3层结构的BP神经网络预测模型,并用实际工程数据训练和验证预测模型。计算实例表明,该模型能够准确、快捷地预测输电线路工程造价,适合于工程方案比选过程中的各方案造价预测对比,评估工程方案的合理性。     

基于改进FOA优化BP神经网络算法的光伏系统MPPT研究

针对基于BP神经网络的光伏系统MPPT策略在光照强度突变时存在较大误差的问题,提出了一种改进的果蝇优化算法用于BP神经网络的权值和阈值优化,并建立了基于IFOA-BP神经网络算法的光伏系统MPPT控制的仿真模型。测试和仿真结果表明,IFOA的收敛速度和求解精度较改进前均有明显提升;IFOA优化后的BP神经网络收敛速度加快,预测误差减少;较之于电导增量法,IFOA-BP神经网络的MPPT策略在稳态条件下能明显抑制功率波动,在外界条件发生突变时,能迅速准确地追踪到最大功率点,具有良好的稳态精度和动态特性。     

航空发电机综合故障诊断技术研究

针对航空发电机的故障难以准确诊断的问题,提出了一种基于BP神经网络的航空发电机综合故障诊断方法,通过对BP神经网络数学原理及算法的深入分析与研究,构建基于BP神经网络的航空发电机故障诊断模型。结合某型航空发电机的真实试验数据,对所构建故障诊断模型的正确性进行了试验验证。在试验验证过程中,利用航空发电机真实试验数据的前60组对神经网络进行训练,后40组数据对神经网络进行测试,最终验证了所构建的故障诊断模型能够较好实现对航空发电机故障进行准确诊断的效能,且所采用的BP神经网络方法具有收敛速度快、识别能力强、精度高以及准确性高等优点。     

基于RPROP神经网络算法的异步电动机故障诊断

为了更快、更精确地识别异步电动机的各种故障类型,克服BP神经网络存在的局部极小值和收敛速度慢等问题,提出了一种改进的BP算法——RPROP（Resilient PROPagation）神经网络算法。在介绍RPROP算法的基础上,建立了基于RPROP算法的异步电动机故障诊断模型,对异步电动机的定子匝间短路、转子断条、转子偏心和轴承4种故障进行识别和诊断。实验结果表明,该方法对异步电动机的故障诊断是有效的。     

基于EEMD-BP神经网络的电采暖配电变压器短期负荷预测

为了快速准确地预测含高比例电采暖设备的配电变压器的短期负荷,提出了基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)及BP神经网络算法组合的电采暖配电变压器短期负荷预测方法,该方法考虑了采暖日天气类型、采暖日温度等环境条件对居民采暖行为的影响。首先运用EEMD方法将日负荷序列分解成4组频率由低至高的分量序列及1组剩余分量序列,再将各分量序列及温度数据、气象数据输入BP神经网络中进行预测,最后各个预测分量相加得到最终的预测结果。将该方法应用于北京地区冬季“煤改电”工程中,对某个含高比例电采暖负荷的配电变压器进行短期预测,算例表明,EEMD-BP组合预测方法能够有效减小负荷预测误差。     

改进小波结合BP网络的风力发电机故障诊断

针对风力发电机早期故障时定子电流特征量难以提取的问题,提出了单子带重构改进小波变换结合BP神经网络的风力发电机故障诊断新方法。通过对风力发电机的定子电流进行单子带重构改进小波变换,消除了传统小波变换中的频率混叠现象;从小波变换后的子带信号中选取特征域、提取特征量作为BP神经网络的输入;在此基础上,结合BP神经网络的输入输出非线性映射能力,完成对故障的诊断和定位。经过仿真实验证实,该方法准确地实现了对风力发电机故障的诊断。