基于PCA与GA-LM-BP神经网络的变压器故障诊断

研究基于油中溶解气体的变压器故障诊断问题.采用主成分分析与数据归一化方法,对变压器故障样本数据进行规范化处理,使其更具有代表性.对比主成分规范化前后的样本故障诊断结果,主成分分析能够消除特征气体样本数据间的相关性,使输入层样本数据更加符合神经网络工作机理.实验可得主成分规范化后的样本故障诊断结果优于未经过主成分分析规范化的故障诊断结果.在主成分分析对数据规范化的基础上,进一步改进BP神经网络算法,建立基于Levenberg-Marquardt算法的LM-BP神经网络故障诊断模型,改善了BP神经网络模型诊断精度不高,网络收敛困难以及易陷入局部极小值等问题.利用遗传算法对LM-BP神经网络的权值和阈值进行优化,然后再进行第2次神经网络训练,克服了LM-BP神经网络性能受初始权值和阈值限制的问题,使故障诊断正确率提高了6.16%.通过对441组样本数据中随机选取的376组训练样本和65组检验样本进行故障诊断实验,诊断正确率达到83%,表明所构建的基于PCA与GA-LM-BP神经网络的故障诊断方法是一种有效的变压器故障诊断方法.     

基于概率神经网络的水轮机组水力振动故障诊断

故障诊断技术是水电站水轮机组安全稳定运行的关键技术之一。针对常规在线监测系统难以发现水轮机组振动故障问题,提出了一种基于概率神经网络的水轮机组故障诊断模型。该模型主要由故障样本数据预处理、样本数据归一化和概率神经网络等三个部分组成。诊断结果表明,所诊断样本与实际的故障类型基本一致,具有良好的诊断效果。     

结合卷积神经网络和迁移学习的电机轴承故障诊断方法

针对轴承故障在变工况下有效数据样本不足时故障诊断效果不佳的问题，提出了一种基于卷积神经网络和迁移学习的电机轴承故障诊断方法。首先，将采集到的原始振动信号进行小波变换，得到有利于卷积神经网络训练的彩色二维时频图；其次，构建卷积神经网络，通过训练确定结构和参数，利用数据增强和Dropout机制抑制过拟合；最后，引进迁移学习，冻结训练好后的网络底层结构，用不同工况的小样本数据对网络的顶层结构进行微调。实例分析证明，小波变换和卷积神经网络结合的方式能实现特征自动提取并高度有效地利用样本，迁移学习的引入能实现其他工况下小样本的准确分类，解决实际工程应用中样本不足时故障诊断效果不佳的问题。     

一种优选神经网络训练样本的混合聚类算法

神经网络训练集中含有大量相似样本不但增加了网络的训练时间还对网络泛化能力存在较大影响,合理的选择样本集训练神经网络模型影响着建模的效率。根据实际应用中神经网络学习样本具有的内在特征和规律性,提出了一种基于自组织映射（SOM）神经网络的K-均值聚类算法优选神经网络样本,算法的主要思想是通过对样本数据的聚类分析,剔除孤立样本后挑选出具有代表性的样本训练神经网络。实验结果表明,相对随机选择法而言,本算法能够有效地减少训练样本的数目,提高建模效率。     

基于粗糙集－RBF的配电网故障诊断系统研究

为了改进人工智能方法在配电网故障诊断系统中的应用,给出了基于粗糙集理论的RBF神经网络的模型结构,然后利用训练好的神经网络对配电网进行故障诊断。采用VC＋＋语言开发工具,调用Matlab神经网络工具箱建立了一个简化的故障诊断系统,并通过配电网实例验证了方法的正确性。实践证明该系统不但提高了配电网故障诊断的容错性,使故障诊断变得更加准确有效,而且减少了神经网络样本数据,大大减少了故障诊断过程的时间。     

模拟电路故障诊断的仿真研究

介绍改进的前馈神经网络在模拟电路故障诊断中的应用.利用Proteus仿真软件采集样本数据,在Matlab7.0的平台上训练前馈神经网络并仿真验证了改进的前馈神经网络应用于模拟电路故障诊断的可行性.     

基于BP神经网络的三相SPWM逆变电路故障诊断

提出了基于BP神经网络的三相SPWM逆变电路的故障诊断方法。首先提出BP神经网络模型及算法,然后运用BP神经网络对三相逆变电路进行故障诊断,通过调整隐含层节点和学习参数,寻找出最优的BP神经网络结构。最后,采用非学习样本数据对训练好的网络进行仿真,实验结果表明该故障诊断方法正确率达99%,该诊断方法同样适用于其它电力电子电路。     

基于LSGAN-LSTM的齿轮故障诊断

针对难以获取足量样本数据的齿轮故障诊断率低的问题,提出一种基于最小二乘生成对抗网络(LSGAN)结合长短期记忆网络(LSTM)的方法.将齿轮的原始样本输入LSGAN模型中,通过对生成网络和判别网络的交替训练,学习出不同状态的样本数据,从而实现数据增强,通过生成样本结合原始样本训练LSTM诊断模型,完成小样本下的故障诊断.以康狄涅格大学的齿轮实验数据为例对所提方法进行验证,结果表明,与传统方法相比,诊断准确率提高至98.3%.通过可视化方法显示出诊断方法的优越性,为小样本条件下的故障诊断提供参考.     

基于红外神经网络的高压断路器故障诊断方法

为了高效、快速、准确地确定高压断路器的故障,提出了一种基于红外诊断与神经网络相结合的高压断路器新型故障诊断方法。首先,利用红外测量技术采集高压断路器故障样本,并将故障样本进行归一化;其次,构造BP神经网络故障诊断模型,提出一种新型改进BP神经网络算法,将构造的高压断路器故障样本输入到改进BP神经网络中进行训练,得到改进BP神经网络的相关参数;最后,通过仿真研究验证了提出的基于红外神经网络的高压断路器故障诊断方法的合理性与优越性。     

轴承故障的模糊聚类方法

介绍了模糊聚类方法的原理及FCM算法，并将它应用于少故障类别的轴承故障诊断，取得了良好的效果，与神经网络方法相比，模糊聚类方法的实现只需少量样本，克服了神经网络方法需要大量样本来实现的瓶颈．     

利用GPS数据估计路段的平均行程时间

对利用出租车GPS数据估计路段平均行程时间的方法进行了研究。在GPS数据误差修正的基础上,根据GPS数据量的不同,对大样本数据量采用样本均值估计路段平行行程时间,对小样本数据量采用顺序统计量中位数估计路段平均行程时间,并计算了估值的置信区间和置信度。采用实际出租车GPS数据进行估计并与线圈数据估计值进行了比较,结果相差较小。说明该估计方法能够用于实际路段平均行程时间的估计。     

基于稀疏自编码器和高斯混合模型的手写数据集分类

深度学习模型训练需要大量的有标签数据进行训练,现实生活中数据大多没有标签,需要进行人工标注,对于小样本的训练存在过拟合现象,针对此问题,本文提出一种算法:首先采用稀疏编码器对数据进行降维处理,然后利用T-SNE算法继续将数据维度降低到二维空间,最后采用高斯混合模型对数据进行聚类分析。该算法采用无监督斱法,不需要预先对数据进行标签化。该算法对数据过拟合具有一定的泛化能力,在手写数据集的训练集取得0.89205的准确度,在测试集中取得0.896的精度。该算法为小样本的学习提供了新思路。     

一种对噪音健壮的数据流分类算法

数据流挖掘中的主要问题是概念流动和噪音污染。目前的数据流挖掘算法不能有效地处理数据流中的噪音,而一个理想的学习算法应该同时拥有对概念流动的敏感性和对噪音的健壮性。文中探讨了如何使用聚类方法在数据流中区分出噪音实例和难以学习的实例,并提出了相应的概念流动检测方法。在此基础上设计了基于推进技术的集合分类器算法RobustBoosting。通过在合成数据集和实际数据集上的实验,表明文中的算法即使在高达40%的类噪音时,与AdaptiveBoosting算法[1]相比,仍能保持更高的分类准确度,更快地收敛到新的目标概念。     

基于窗口样本相似因子分析的油井工况识别方法

针对传统工况识别方法在应对生产波动异常数据干扰时,容易发生工况误判的情形,提出了采用窗口样本相似因子分析的方法来合理表征不同工况下的数据特性,以窗口样本间的相似因子来衡量不同样本数据的相似性.采用改进的K-means聚类算法根据窗口样本相似因子对不同工况下的生产特征参数进行聚类分析,完成多工况的识别过程.根据辽河油田生产数据进行实验验证,结果表明,该方法能够有效消除异常数据对工况数据特性的影响,减少工况误判情况的发生.     

结构缺损的识别

利用小波分析与人工神经网络相结合的方法,对结构缺损进行了识别。敲击缺损试件后产生的振动信号由传感器拾取,经数据采集系统采集、适当处理后进行小波变换,形成人工神经网络的训练样本,并对所建网络进行训练,利用在训练样本中加入随机噪音的方法对网络的识别精度进行了讨论。本文用上述方法以悬臂梁试件为例,对结构缺损位置、缺损深度以及螺栓联接结构的紧固程度进行了试验。     

基于故障样本的滚动轴承故障诊断置信规则库研究

滚动轴承是使用非常广泛的机械零件,现有技术对滚动轴承故障诊断存在局限性。为提高滚动轴承故障诊断的准确性,通过利用历史数据,提出基于故障样本的置信规则库的方法,首先对滚动轴承的典型故障进行分析,获取其振动数据作为样本;然后提取时域特征参数和时频参数,对参数进行特征融合,提取征兆参数,建立故障诊断的置信规则库;通过实验平台获取滚动轴承异常数据,验证建立的置信规则库的有效性和准确性。     

自组织模式识别与经济预测

基于自组织数据挖掘方法与经济预测原则,提出了自组织模式识别方法。该方法的主要特点是在几个相似模式的合成中使用了数据分组处理方法自动合成技术,实际应用于经济预测时比传统意义上的预测方法方便。实例表明了它在经济预测中的有效性。同时,使用增加同类经济对象样本数据的方法,解决了样本数据不足的问题。     

激光衍射法测量粉体粒度分布

本文从理论上论征了用激光衍射法测定粉体粒度分布,用相干光获得了两种颗粒样品的衍射图样,利用特制的光电探测器测得了衍射图样的光能分布,并用计算机对所得数据进行了处理,获得了与样品参数相符的结果。     

CFD程序自动并行化的相关性分析和通信策略

针对ＣＦＤ（ｃｏｍｐｕｔａｔｉｏｎａｌ ｆｌｕｉｄ ｄｙｎａｍｉｃｓ）问题中的点松弛和线松弛迭代算法,研究其帧内和帧间数据相关性,提出一种数据相关性分析算法和通信策略。与相应的程序重构技术相结合,实现这类程序的ＳＭＰＤ模式的自动并行化。该算法与平台无关,能够适用于消息传递（ＭＰ）和共享变量的通信机制,目前已在ＰＶＭ环境中实现。经测试,基于该算法自动生成的并行程序能够达到很高的并行效率,对于绝大多数     

一种面向单个正例的Fisher线性判别分类方法

提出了一种解决不平衡数据集中少数类只有一个样本的方法,找出单个正例在负类中的k个近邻,按照一定规则依次在单个正例和它的各个近邻的连线上产生合成样本,并把这些合成样本添加到原始的正类中,用加权F isher线性分类方法对新的数据集进行训练.实验结果表明该方法可有效地提高少数类的分类性能.