基于RBF人工神经网络的钢铁件淬硬层深度实时在线电磁无损检测

利用DWY—1型电磁无损检测仪,采用改进的Gram-Schmidt方法优化的RBF人工神经网络,实现了钢铁件淬硬层深度的实时在线无损检测。试验表明,淬硬层深度的检测精度、网络的收敛速度能满足生产实际的需要。     

基于LS-SVM的矿井提升机故障预测

矿井提升机是矿井生产的咽喉,其可靠性对煤矿安全高效生产起着至关重要的作用,提升机故障预测是提高提升机可靠性的重要措施.针对传统提升机故障预测模型相对误差较大的问题,建立了基于最小二乘支持向量机的提升机故障预测模型,并利用采集到的提升机相关数据对模型进行训练,再对提升机的实时数据进行预测,以发现是否可能异常.实验结果...     

基于LS-SVM的矿用隔爆电源蓄电池容量预测

现有煤矿安全监控系统不能实时在线检测备用蓄电池容量,造成交流断电后备用电池不能可靠运行.提出利用开路电压法检测备用蓄电池容量,通过LS-SVM对蓄电池放电数据进行训练,获取蓄电池端电压与容量的关系模型,在此基础上根据蓄电池端电压实现电池容量预测.通过实验表明,该方法能有效预测矿用隔爆电源备用蓄电池的剩余容量.     

电力系统动态安全域的LS-SVM在线拟合法

提出了一种基于支持向量机的电力系统动态安全域在线拟合方法。支持向量机在解决非线性有限样本和高维识别方面有明显优势,但标准支持向量机在学习时需要求解复杂的二次规划问题,耗时较多。为此采用最小二乘支持向量机的二值分类算法,构造了二类和三类分类器对运行点的稳定状态进行判断,以最小二乘线性系统代替二次规划方法的标准支持向量机进行模式识别和函数估计,解决了大样本数据建模和运算速度慢的问题。同时采用回归算法构造稳定裕度拟合器,对系统既定故障下运行点的临界切除时间进行在线拟合并计算出稳定裕度。最后以EPRI-36节点模型为算例进行仿真计算,仿真结果表明该方法避免“维灾难”问题的同时,能更好地拟合动态安全域的边界,且进一步证明了该方法的有效性和准确性。     

LS-SVM在电梯交通流预测中的应用

支持向量机是一种基于统计学理论学习的新颖的机器学习方法,该方法已广泛应用于解决分类和回归问题。提出一种基于时间序列的最小二乘支持向量机算法应用于电梯交通流的预测方法。仿真结果表明了这种预测方法的有效性。     

基于LS-SVM的铅酸蓄电池极化电势预测模型研究

蓄电池充电过程中,极化电势的累积阻碍了充电电流的接受能力,降低了快速充电的效率。针对极化电势难预测的问题,提出了最小二乘支持回归机预测极化电势的方法。确定了模型的输入量;经遗传算法参数寻优,确定了模型中的参数。仿真结果证明,采用LS-SVM算法预测极化电势,在小样本的条件下能达到预期的辨识精度,且泛化能力强。     

基于LS-SVM的谐波阻抗估计方法

为解决谐波阻抗不易直接获取的问题,提出一种基于最小二乘支持向量机LS-SVM(least squares support vector machine)估计系统谐波阻抗的新方法.利用最小二乘支持向量机构建回归模型,引入Lagrange乘子得到拉格朗日函数,并求解得到模型参数.将公共连接点PCC(point of com...     

基于遗传算法的LS-SVM在谐波源建模中的应用

对现有的电力系统谐波源建模方法进行分析比较,提出基于最小二乘支持向量机的建模方法,并引用遗传算法对参数寻优以提高模型精度.为了验证方法的有效性,在不考虑和考虑供电端电压谐波含量两种情况下采用Matlab对晶闸管控制电抗器进行仿真提取训练数据并建模.结果表明采用基于遗传算法的最小二乘支持向量机建立的谐波源模型精度高,是谐波源建模的有效方法.该方法把建模对象当作黑箱,没有考虑内部机理,也可用于其他非线性负荷建模之中.     

基于遗传算法的LS-SVM在谐波源建模中的应用

对现有的电力系统谐波源建模方法进行分析比较,提出基于最小二乘支持向量机的建模方法,并引用遗传算法对参数寻优以提高模型精度。为了验证方法的有效性,在不考虑和考虑供电端电压谐波含量两种情况下采用Matlab对晶闸管控制电抗器进行仿真提取训练数据并建模。结果表明采用基于遗传算法的最小二乘支持向量机建立的谐波源模型精度高,是谐波源建模的有效方法。该方法把建模对象当作黑箱,没有考虑内部机理,也可用于其他非线性负荷建模之中。     

基于LS-SVM的单元机组协调控制系统模型辨识

预测模型的准确性在非线性预测控制中起着重要的作用。采用最小二乘支持向量机(LS-SVM)回归算法辨识单元机组协调控制系统模型。LS-SVM具有良好的非线性逼近能力和较快的计算速度,适用于非线性系统的实时建模。考虑到系统的耦合问题,提出将MIMO对象分解为多个MISO对象,分析历史输入和输出数据对每个输出分量进行建模。通过基于实际采样数据的仿真实验,证明了该模型辨识方法是有效的,且具有很好地泛化能力。     

基于在线LS-SVM的动力电池SOC估算方法研究

荷电状态(SOC)是描述动力电池状态的重要参数之一,提高SOC估计的准确性对电动汽车电池管理系统的研究至关重要。提出一种改进的最小二乘支持向量机(LS-SVM),动态地调整模型参数,对电池的开路电压(OCV)进行在线实时估计;通过SOC与OCV的关系确定初值,采用安时积分法估算SOC;并利用OCV的偏差信息对电池SOC进行修正,有效地补偿拟合误差和安时积分法产生的累计误差。仿真实验结果表明,在线LS-SVM算法能准确地逼近实际SOC值,平均绝对误差为1.279 3%。     

基于EOG的眼动信息提取与分类研究

基于眼电（Electro-oculogram,EOG）的人机交互系统（HCI）是生物电信号处理领域的研究热点之一。在研究眼动信息的基础上,提出了一种EOG扫视信号特征提取与分类算法,该算法提取扫视信号的线性预测（Linear Predictive Coding,LPC）系数,对其作差分运算获取一阶差分线性预测系数,与归一化极值作为组合特征参数,通过神经网络对样本信号分类。实验室环境下,采用所提该法对来自6名眼部功能均正常的受试者扫视样本分类,平均分类正确率超过92%。实验表明,该法能准确地描述EOG扫视信号,具有较高实用价值。     

线性递减权重粒子群优化人工神经网络算法的光伏系统谐波检测

提出了一种改进的人工神经网络(ANN)算法,利用线性递减权重粒子群优化算法(LDWPSO)来调节ANN各层的权重值,得到收敛最小时的权向量,计算谐波相角,实现对谐波的检测。仿真结果表明,线性递减权重粒子群人工神经网络算法(ANN-LDWPSO)具有高控制精度和快收敛速度,并能准确地检测电网谐波,从而验证了算法的可行性和实用性。     

基于智能集成的水轮发电机组温度在线监测系统

提出一种基于智能集成的水轮发电机组温度在线监测系统,利用数据融合对多个温度传感器的测量数据进行融合分析,以融合后的数据作为水轮发电机组温度最优估计,利用神经网络完成专家系统的正向推理,由专家系统的反向推理机完成反向推理,自主完成发电机组温度的在线监测.与传统温度监控系统相比,本系统决策误差信息小,具有较好的实时性和准确性.介绍了该系统的总体框架结构及关键技术.     

基于OpenMP的并行电磁场神经网络建模

针对用神经网络技术对电磁场建模需要较长计算时间的问题,提出了基于OpenMP (open multi-processing)的神经网络并行建模方法.该方法在串行的电磁场神经网络建模基础上,将电磁场样本点和训练数据点均匀分配给多个处理器进行并行处理,实现了电磁场数据并行产生以及神经网络并行训练.通过微波滤波器建模例子分别从加速比和效率来验证基于OpenMP的并行电磁场神经网络建模的性能.实验结果表明,并行电磁场神经网络建模是可行的,而且基于OpenMP方式的并行电磁场神经网络建模效率较传统的串行神经网络建模效率有了明显的提高.     

MRAS感应电机定子电阻的在线辨识

针对感应电机定子电阻值受外界因素干扰而影响其矢量控制系统稳定性和控制精确度问题,提出了基于人工神经网络的定子电阻在线辨识方法.为了辨识定子电阻,将人工神经网络模型的定子电流估算值与实际测量电流值的误差反馈以调整神经网络的权值.借助MATLAB/SIMULINK搭建仿真系统,验证了定子电阻在线辨识的必要性.结果表明,该方法可以有效地对定子电阻进行在线辨识.     

基于小波分解的风电场短期功率混合预测模型

为提高预测前1 h风电功率的精度,提出一种基于小波分解(WD)的人工神经网络(ANN)及最小二乘支持向量机(LS-SVM)相结合的预测方法。通过小波分解将功率和风速序列分解为不同频率的子序列,根据风机输出功率特点分析,对低频和高频子序列分别采用ANN法和LS-SVM法进行预测,最后通过重构得到预测结果。利用该方法对东北某风电场提前1 h的功率进行预测,实验结果表明:该模型具有较高的预测精度,与单纯的BP神经网络的模型相比,绝对平均误差从10.25%下降到5.62%。     

基于物理信息嵌入式神经网络的管壁导波成像

为了实现管壁腐蚀缺陷的定量化成像,提出了一种基于物理信息嵌入式卷积神经网络的成像算法,从超声导波信号重建管壁厚度。首先推导了超声导波在管壁上传播的二维声波模型,通过矩阵LU分解求解频域波动方程,可实现从管壁导波速度图到声场信号的正演;其次搭建了物理信息嵌入式卷积神经网络,包含3个迭代层,每个迭代层由正演模型和残差反演子网络组成;生成包含随机腐蚀缺陷的管道仿真数据集,搭建网络进行训练和反演,训练集、验证集和测试集的成像结果的平均Pearson相关系数分别为94.91%、86.47%和87.37%,缺陷图像一致度高;搭建了实验系统,在加工有不规则阶梯缺陷的管道上采集导波信号进行反演,成像结果良好,厚度图的均方误差为0.0057。算法将物理模型与神经网络结合在一起,实现了从导波信号到管道厚度图的高精度成像。     

基于紫外检测的开关柜电弧在线检测装置

研制了一种基于紫外法的开关柜电弧在线检测装置,该装置通过检测柜中电弧中的“日盲”区紫外光,达到对电弧的准确识别,且具有动作时间快、灵敏度高、抗干扰能力强等优点。研究了紫外光功率法的测量原理,给出了系统硬件各部分的组成以及原理,在此基础之上,研究了系统的软件程序设计。该检测装置可单独用于开关柜,也可为各种继电保护设备提供接口,提高了开关柜的技术水平和安全指数。进行了空气间隙放电试验,证明了该装置能够准确检测气体放电的紫外辐射功率,更准确地检测到放电电弧。装置可应用于开关柜电弧检测,能够有效地防止由电弧引起的意外事故的发生。     

基于电力宽带载波的电能质量在线监测系统

分析了电力宽带载波传输数据的过程。基于电力宽带载波的基本原理,设计了电能质量在线监测系统,具体完成了各相关部分的软、硬件设计,并对某冷轧厂变电站电能质量作了现场测试工作。实测分析表明,该监测系统工作稳定、传输性能好、可靠性高,具有一定的应用价值。