大型旋转机组神经网络趋势预测技术的研究

趋势预测技术是实现机组预知维护的关键技术,在实验研究的基础上,构造了神经网络趋势预测模型。     

大型旋转机组神经网络趋预测技术的研究

趋势预测技术是实现机组预知维护的关键技术,在实验研究的基础上,构造了神经网络趋势预测模型。     

油田注水泵神经网络在线趋势预测技术的研究

在线趋势预测是实现以先进的预知维护取代传统的以时间为基础的预防性维护的关键技术,人工神经网络在线预测是进行机械设备趋势预测的新途径.探讨了将神经网络应用于油田大型注水泵的趋势预测技术,建立了注水泵人工神经网络趋势预测模型,进行了工业现场注水泵神经网络在线趋势预测技术的应用研究及实践验证.     

量子神经网络在旋转机组状态趋势预测中的应用

神经网络具有非线性函数逼近能力,常用于非线性趋势预测。为了预测旋转机组故障特征量的非线性发展趋势,提出指数加权量子神经网络。参考传统的BP(backpropagation)神经网络及指数平滑的预测方法,将量子计算与神经网络相结合,选择误差修正学习算法,并在神经网络输入层进行指数加权,构建三层指数加权量子神经网络。该网络具有非线性逼近能力,并且能通过指数加权系数反映近期和远期历史数据对将来预测值的不同贡献程度。在将指数加权量子神经网络应用于大型旋转机组故障特征量的非线性趋势预测时,实验结果表明该网络训练的速度与预测的精度均好于传统的BP神经网络预测。     

机械设备趋势预测与神经网络预测方法的研究

阐述了机械设备状态趋势预测的基本概念,讨论了机械设备状态预测的主要方法。研究了三种预测机械设备状态发展趋势的神经网络方法,对采用不同的神经网络预测方法的预测结果进行了分析比较。     

基于神经网络的振动响应趋势预测研究

将Levenberg-M arquardt BP人工神经网络应用于复杂的非线性振动响应的趋势预测,避免了时序分析复杂的数据预处理、模型识别、参数估计和模型适用性检验过程。通过对样本预测效果的比较,全面考虑了网络的输入层、隐层和输出层的神经元节点数和各层之间的传递函数对预测精度的影响,引入Box-Cox变换改善了网络的收敛性并加快了网络的收敛速度,同时采用重复训练法来提高网络的稳定性和预测精度。预测实例表明,相比于传统的时间序列分析方法,这种预测方法能对振动响应的趋势进行更准确的预测。     

大型风电机组变桨技术研究

变桨控制是大型风电机组控制的核心,变桨技术在大型风电机组中占据着重要位置。加强对变桨技术的研究具有重要意义,是进一步提升大型风电机组性能的必然要求。独立变桨控制技术的应用能够有效减少风电机组关键部件的载荷。加强对变桨技术的研究是进一步提升大型风电机组性能的必然要求。本文将重点探讨大型风机机组液压变桨和电动变桨技术。     

基于神经网络的风速预测技术研究

本文对基于神经网络的风速预测技术进行了研究。基于风电场的实际情况与实际历史风速数据,建立基于实际历史风速数据与人工神经网络的风速预测模型,对不同时间尺度下的风速进行预测,给出了不同时间尺度下的风况预测结果,并对计算结果进行了详细分析。对时间尺度基于神经网络的风速预测技术的影响进行了研究,设置多种场景,给出了不同场景下的风速预测结果,进而说明风速预测的输入样本选择方法的合理性与正确性。     

基于组合遗传神经网络的磨损趋势预测

针对神经网络易陷入局部极值的问题，用遗传算法来改进神经网络时间序列预测模型，并设计了一个组合网络，考虑了单一遗传BP神经网络预测的误差，以误差样本训练了一个校正的遗传BP神经网络，并将该组合网络时间序列预测模型应用于柴油机系统磨损趋势的预测，取得了较好的预测效果。     

旋转机械的新息加权神经网络工作状态趋势预测研究

在面向旋转机械的神经网络工作状态预测中,存在着对新数据强调不足的缺陷,为了弥补原有的神经网络存在的缺陷,提出一种新的神经网络预测方法,即基于均值函数新息加权的神经网络预测方法.依据时间序列数据的新旧程度对预测值贡献的大小,通过均值函数赋给输入数据不同的权值系数,提高神经网络的预测精度.在旋转机械工作状态预测中取得较为理想的预测效果.     

基于神经网络的泵机组故障诊断技术

利用神经网络对泵机组进行了故障诊断,探讨了故障诊断的神经网络方法和专家系统方法的联系和区别。该分析方法为转子临界速度的计算提供了比较完善的方法。     

基于改进BP神经网络的数控机床振动趋势预测

为准确预测数控车削时机床的振动情况,搭建了一个能用于测量机床振动信号的实验平台.并运用Levenberg-Marquardt算法改进BP神经元网络,建立了改进BP神经网络的非线性系统预测模型,实现了对机床刀架的振动趋势进行多步预测,为提高工件加工质量、加工精度和进行故障诊断提供了依据.结果表明L-M算法的收敛速度和预测精度均明显优于标准的BP算法.     

基于神经网络的飞机发动机性能趋势预测系统

讨论了如何利用ACARS报文数据获取飞机发动机性能参数的运行数据,利用神经网络自学习能力特点,建立一种智能、客观、准确地预测航空发动机性能趋势的新方法。经人工智能算法分析,通过发动机的历史飞行数据,预测未来某时刻航空发动机性能参数的变化趋势,建立一套基于神经网络的飞机发动机性能趋势预测系统。     

航空发动机振动趋势预测的过程神经网络法

提出一种基于过程神经网络思想的航空发动机振动趋势预测方法.利用过程神经网络具有输出函数对输入函数在时间上的聚合效应和非线性映射能力,预测方法的网络结构选择为9个输入节点,第2层和第3层各有9个隐层节点,1个输出节点,参数外推预测,将选取的振动历史数据分为学习样本和检测样本两组,学习样本用于网络训练,检测样本用于检验预测模型的精度.在相同条件下,与传统人工神经网络进行趋势预测比较,提高了网络训练速度,降低了预测误差.将所提出的预测方法应用到某型航空发动机的振动趋势预测中,预测结果与实际值的误差符合要求.     

基于神经网络的飞机发动机性能趋势预测系统

讨论了如何利用ACARS报文数据获取飞机发动机性能参数的运行数据,利用神经网络自学习能力特点,建立一种智能、客观、准确地预测航空发动机性能趋势的新方法.经人工智能算法分析,通过发动机的历史飞行数据,预测未来某时刻航空发动机性能参数的变化趋势,建立一套基于神经网络的飞机发动机性能趋势预测系统.     

玉米大斑病发生趋势预测技术研究

玉米是忻州市农业生产上的主要作物.从1980-2010年农作物病虫的发生为害情况来看,玉米大斑病已成为忻州市滹沱河流域忻府、定襄、原平等6个县(市、区)的重要病害,且大流行、偏重流行的频率增加,为害损失上升态势明显.1980年-1989年,忻州市玉米大斑病有两个中度发生年(1982年、1988年),没有出现大流行、偏重流行年份;1990年-1999年,有2个大流行年(1995年、1996年),1个偏重流行年(1994年);2000年-2010年,出现了2个大流行年(2003年、2004年),4个偏重流行年(2005年、2007年、2008年、2009年).     

大型泵机组的检修安装技术

就我国的经济建设情况来看,水利对民生起着非常重要的影响和作用。在我国的发展早期阶段,就已经开始应用大型立式泵机组,应用范围相对比较广泛,其优点主要包括理想的可靠性以及理想的调节性能,发展技术也相对成熟。依照轴线形式可以将其分成立式、卧式以及斜式等,其中立式泵机组需要承受的力相对比较小,与此同时配用电机运行环境也比较理想,安装和检修均较方便。因此在较多工程中均采取立式泵机组,即便是在较为特殊的情况、使用较为特殊的方式来展开检修工作,都能够获得较为理想的效果。     

采用遗传算法的旋转机组状态趋势预测之探讨

探讨了采用遗传算法 (GA)进行旋转机组工作状态趋势预测的新途径 ,指出了适合度的选择是实现 GA算法趋势预测的关键。提出了 GA预测的方案 ,探讨了神经网络 GA预测、时间序列模型 GA预测 ,以及灰色模型 GA预测的适合度选择 ,提供了进行遗传算法预测的操作步骤。