基于RBF神经网络的离心压缩机的性能预测研究

利用径向基函数神经网络(RBF)建立对离心压缩机性能预测的神经网络模型,从而能够精确地预测出离心压缩机的性能参数的大小,能够分析离心压缩机的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。应用数值计算软件MATLBA软件完成了离心压缩机的性能预测,分别对离心压缩机的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。     

基于模糊神经网络的往复压缩机的性能预测研究

为了能够准确地预测出离心泵的性能参数值,利用了径向基函数神经网络(RBF)建立对其进行性能预测的神经网络模型,可以研究离心泵的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。利用MATLBA软件实现了RBF神经计算,分别对离心泵的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。     

小波包神经网络在离心压缩机故障识别中的应用

为了能够提高离心压缩机故障识别的准确性和效率,构造了小波包模糊神经网络对离心压缩机进行故障识别。研究了小波包分析提取特征向量的方法。利用小波包分析获得了离心压缩机的特征向量后,利用模糊神经网络对其进行故障识别。利用小波包模糊神经网络对离心压缩机常见的5种故障进行了识别,结果表明该方法具有较高的故障识别能力。     

基于MATLAB/Simulink的往复压缩机余隙容积对膨胀过程影响的研究

建立了往复式压缩机膨胀过程的数学模型与求解的边界条件。论述了运用Simulink进行膨胀过程建模与仿真的方法。以IIZA-1.5/8型往复压缩机为研究对象,建立了可视化的模型,得出余隙容积对膨胀热力过程的影响。该模型可作为往复压缩机设计与优化的工具。     

基于优化终端滑模模糊神经网络的板形模式识别

针对板形模式识别问题, 将板形信号离散化、归一化, 作为终端滑模模糊神经网络的学习样本, 建立识别模型。在模糊神经网络的基础上, 利用终端滑模权值调整律代替梯度下降法的权值调整律, 提高网络的精度。为了进一步提高识别的精度以及收敛速度, 引入布谷鸟算法优化模糊神经网络的模型参数。仿真结果表明, 提出的识别模型对训练样本和未训练样本的平均最小方差分别为0.000 5和0.011 0, 比模糊神经网络(FNN)和径向基神经网络(RBF)的值都小。对某冷轧厂宽度1 040 mm带材的一组实测板形数据识别结果表明, 相比于FNN和RBF网络, CS-TSMFNN的识别效果更好。     

模糊神经网络预测模型及其在电解铝生产中的应用

应用模糊控制的逻辑推理性能,借助神经网络的学习能力,提出了一种模糊神经网络预测控制模型.利用该模型对电解铝生产过程中的氧化铝浓度进行预测,实验结果表明,可获得较高的预测精度.     

基于ISSA-FNN的采煤机健康状态评估

为了准确地评价采煤机的健康状况,提出一种改进麻雀搜索算法（ISSA）优化模糊神经网络（FNN）的评估模型。针对麻雀搜索算法（SSA）的不足,引入精英混沌反向学习策略生成初始麻雀种群,提高算法收敛性能,采用柯西高斯变异策略提升种群多样性保持能力和局部空间逃逸能力。实验表明,所提方法提高了FNN的收敛精度和泛化能力,ISSA-FNN在采煤机健康评估中优于SSA-FNN与PSO-FNN模型。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

基于遗传算法—BP神经网络的突出强度预测

煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。     

用BP神经网络建立脉动高梯度磁选过程模型

用BP神经网络建立脉动高梯度磁选过程模型．对不同隐含层节点数的神经网络模型预测性能进行了评价，隐含层节点为13的神经网络模型选择为最佳模型．利用选择的最佳模型，对黄铜矿高梯度磁选进行模拟研究．模型研究结果表明，在相当宽操作的范围内，模型能够很好地预测磁选精矿中铜的品位和回收率．这说明建立的高梯度磁选模型合理可行．     

小波神经网络在离心压缩机故障诊断中的应用

为了能够准确、快速地对离心压缩机的各类故障进行诊断,将小波理论与神经网络相结合,建立了离心压缩机的故障诊断模型,分析了Harr小波函数的定义和特性。针对离心压缩机的故障特征,建立了对应的小波分析神经网络,输入层的神经元为5个小波变换获得的故障特征向量;输出层神经元为5个离心压缩机的故障模式;隐含层有3层,神经元数总共有24个,该方法具有较高的计算精度和计算速度。     

基于单片机的往复压缩机在线监测系统开发

针对某石化企业的往复压缩机开发出了一套在线监测系统。该系统采用上、下位机的结构形式,其中下位机是基于单片机技术开发的。现场的下位机实时采集压缩机的运行数据,通过网络远距离传输到中控室的上位机中,进行数据分析处理和故障诊断,实现了往复压缩机的在线实时监测。     

基于EMD与自回归谱的往复压缩机气阀故障诊断

EMD是一种适用于非线性、非平稳信号的自适应分析方法,故障信号经EMD分解后,提取对故障敏感的分量作自回归谱分析,可以得到高信噪比的特征量。试验分析表明,该方法对压缩机气阀故障诊断是有效的。     

往复式空气压缩机的故障分析及对策

对往复式空气压缩机在运转过程中出现的排气量不足、排气温度不正常、排气压力降低、响声异常和过热等常见的故障作了分析,并提出了相应的对策,以延长压缩机的使用寿命和提高其效率,保证机组长周期安全运行,为生产提供保障。     

往复式压缩机气阀故障分析与改善措施

往复式压缩机是国民经济各部门必不可少的设备,应用十分广泛。往复式压缩机绝大多数的故障发生在气阀上,分析了气阀所发生的各类故障及其发生的原因,并提出了合理的防治措施,从而延长了气阀的寿命,增大压缩机的产气量,降低功率消耗,提高了经济效益。     

基于人工神经网络的爆破震动速度峰值的预报

介绍了BP神经网络知识，建立了三层BP神经网络模型，并将此模型应用于爆破震动速度峰值的预测，并将其预测值与常规方法的预测值进行了比较。