供水管网水质监测点优化选址研究

针对复杂管网水质比例矩阵求解困难的问题，利用递归方法求解水质比例矩阵,由此得到给定覆盖标准下的覆盖矩阵.以覆盖水量最大为优化目标，提出基于离散二进制编码的微粒群优化算法(DBPSO)优化供水管网水质监测点(WQMS)的选址方法,并给出了详细的计算步骤.算例计算结果表明，用递归方法求解复杂管网的水质比例矩阵具有较高的时间效率且编程容易实现.基于DBPSO算法的WQMS选址方法具有较高的搜索效率，在给定的监测点数目下能够快速找到最优的监测点位置，通过监控监测点的水质状况能够最大程度地了解整个供水管网的水质信息，为供水管网WQMS的优化选址提供了一种新的途径.     

面向大规模供水管网的水质监测点布局优化

在供水管网的重要位置布设一定数量的水质监测点,对管网水质进行实时监测,是保障水质安全的有效途径。现有水质监测点布局优化方法的研究大多针对小规模管网,在复杂的大规模管网中迭代求解效率和解集质量低,难以实际应用。为此,针对大规模供水管网节点数量众多且邻近节点相似程度较高等特点,以最小化监测时间和最大化污染事件覆盖比例为目标,建立水质监测点布局优化求解框架。该框架使用基于复杂网络重要性指标和耦合水力特征综合评价的节点筛选模型,对大规模管网中的重要节点进行污染事件模拟,并基于节点空间相似性改进遗传算法的演化策略,提升解集质量。针对实际大规模管网的模拟实验表明,此方法能解决供水管网规模较大时迭代效率和解集质量低的问题,获得有效的水质监测点布局。     

部分覆盖下供水管网水质监测点优化选址方法

针对供水管网水质监测点的优化选址问题,提出了部分覆盖的概念,将单一的覆盖标准扩展为覆盖标准区间,认为当下游节点水量来自上游节点的比例在最小覆盖标准与最大覆盖标准之间时,在下游节点设置水质监测点,不仅能够监测其自身的水质状况,而且可以在一定程度上部分地反映上游节点的水质状况.建立了部分覆盖下水质监测点优化选址的数学模型,以覆盖水量最大为目标,结合一管网算例设计了求解该数学模型的基于二进制编码的混合粒子群算法.算例结果表明,部分覆盖较完全覆盖对水质监测点优化选址的结果影响较大,同时覆盖标准的区间化更有利于决策过程的实施.     

基于节点水龄的供水管网水质监测点的优化布置

利用供水管网图形的拓扑矩阵，在管网水力计算的基础上，通过求出节点水龄，计算节点水龄比例矩阵，提出一种基于节点水龄的城市供水管网水质监测点的优化选址的方法。     

基于分区模型的城市供水管网压力监测点布置

为掌握整个城市供水管网的压力分布情况,提出基于供水管网分区模型的压力监测点布置方法．首先采用欧氏距离度量供水管网中任意两两节点在一个运行周期内水压波动的相似度;然后按照给定的分区内最大允许欧氏距离限定要求,依次对每根管段上两个端节点的子区归属进行判断,从而实现对管网的分区;最后在各子区内选择一个最能代表本子区节点水压波动情况的节点作为压力监测点．将该分区布置模型应用于东北某市开发区的供水管网,分区结果表明,各子区内的所有节点是连通的,任意两两节点间的欧氏距离均在给定的最大允许值范围内,并且不同的最大允许欧氏距离形成不同精度的分区方案．在各子区内布置一个压力监测点,当压力监测点布置数目为4时,平均相对误差为4.53％,此时基本能反映供水管网的压力分布情况.     

基于压差相似系数法的供水管网测压点优化布置及其程序化研究

利用两两节点的相对压力差值,建立管网水压的相似系数矩阵,并通过聚类分析,实现了节点的分组与测压点选择.该方法能够准确反映节点水压的区域分布特性,为管网的监控调度奠定基础.同时,以Delphi 7为平台,编制了动态的测压点布置应用程序,即根据用户需要实现管网测压点的合理配置,以满足不同的管网监测需求.实例计算表明,基于压差相似系数法的测压点布置较为合理,具有一定的代表性.所开发的测压点优化布置程序,运行稳定、结果准确,是实现准确的管网状态模拟、优化调度和事故预警的有效辅助工具.     

萍乡市供水管网的优化调度

通过建立城市供水管网优化调度模型,以萍乡市为例,对其城市供水管网进行优化调度,结果显示,萍乡市各水厂的出水流量增大,大部分监测点的水压有一定的下降,取得了较好的经济与社会效益.     

基于蚁群算法的配水树状管网优化布置

配水树状管网优化布置属于典型的组合优化问题.本文应用图论和蚁群算法进行配水树状管网优化布置,分别用管网总长度最短和管网投资最小作为优化目标,并用算例与Dijkstral算法、Kruskal算法和单遗传算法相比较.研究表明该方法是可行和有效的,能减小管网工程投资和提高设计效率,在给排水管网优化布置中有较为广阔的应用前景.     

井群供水管网优化方法

井群供水管网的规划设计需要考虑井中的动水位变化的条件和水泵的性能以及供水压力的影响,因此问题较为复杂．为减轻工程技术人员的计算量,提高其规划设计水平,研究了井群供水管网的优化方法．给出了确定集水管最优管径和井群供水管网水力计算的公式。并以山东省某市井群供水实际资料为例,进行了有关计算,确定了管径、布置了管网、选定了水泵型号．     

基于支持向量机的网络故障在线诊断方法研究

介绍了网络故障诊断的发展趋势和支持向量机的基本原理,采用一种改进的支持向量机用于网络故障的在线诊断和分析,并且以实验网中采集的数据进行了实验,实验表明该方法能够快速准确地在线诊断网络故障,为网络故障在线诊断向智能化方向发展提供了新的途径.     

基于模糊域和支持向量机的故障诊断方法

将模糊域分布和支持向量机相结合,提出了一种故障诊断的新方法,该方法将模糊域分布中的局部能量作为特征输入到支持向量机的多故障分类器进行故障识别.利用模糊域分布可以很好地刻画信号的时频局部化特征,与时-频平面特征提取相比,又可大大降低数据维数.对于不同类型的核函数分布,将其诊断结果进行比较,试验结果表明,基于模糊域的支持向量机故障分类无需核函数滤波就能取得最好的分类效果.     

基于改进粒子群神经网络的提升机故障诊断

针对BP神经网络对提升机制动系统进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于粒子群神经网络的故障诊断方法.根据制动系统故障征兆与故障类型之间的非线性和耦合性,建立了提升机制动系统的故障诊断模型;采用改进的粒子群算法优化BP神经网络的连接权值和阈值,应用于制动系统的故障诊断,缩短了神经网络的训练时间,提高了故障诊断的精度.仿真结果表明该诊断方法具有故障诊断能力强和诊断效率高等特点.     

基于神经网络的可控整流主电路故障诊断实现的研究

介绍了如何构建故障诊断目的的神经网络,模拟故障的实际采集数据和采用BP算法实现了神经网络的学习即神经网络的权值和阈值参数的确定,测试样本的输出结果表明构造网络的实用性和学习训练参数的正确性.     

基于蚁群优化神经网络的故障诊断

针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。     

基于RBF网络的水位传感器故障诊断方法

将RBF网络应用于水位传感器的故障诊断,通过构建RBF网络估值器,提出了一种故障诊断方法。首先用影响汽包水位的各种相关参量的实测数据对RBF网络进行训练,然后用达到训练目标的RBF网络对汽包水位进行较高精度的估值;通过RBF网络估值器输出和水位传感器实际输出之差与设定的阈值比较检测传感器故障;若水位传感器出了故障,则诊断系统通过故障转换开关及时对水位监视或控制系统进行重构以消除故障的影响。仿真试验表明该方法能对水位传感器进行较有效的状态监测和故障诊断。     

基于改进PSO-BP混合算法的电力变压器故障诊断

采用粒子群算法和反向传播神经网络建立一种新型变压器故障诊断网络模型,设计故障诊断方法.仿真分析结果表明：基于该网络模型的诊断方法与传统的三比值法相比较,具有较好的故障识别与分类能力,显著提高了诊断准确率,将在电力设备故障诊断中有良好应用前景.     

基于局域波法和KPCA-LSSVM的滚动轴承故障诊断

针对故障滚动轴承振动信号具有非平稳性,提出基于局域波法和核主元分析 最小二乘支持向量机(KPCA LSSVM )的故障诊断方法.先对轴承振动信号进行局域波分解得到若干内禀模式函数(IMF),分别计算各IMF分量的特征能量、奇异值和AR模型参数作为原始特征向量,再用KPCA将原始特征向量映射到高维特征空间提取主元构造新的特征向量,将其作为LSSVM分类器的输入来实现轴承的故障诊断.故障诊断试验结果表明,KPCA LSSVM诊断方法通过KPCA得到更多的识别信息,改善了LSSVM的分类性能,相对于直接LSSVM诊断方法具有更优的泛化性,可准确识别轴承的故障类别和严重程度.     

基于核主元分析和模式匹配的非线性性能监控和故障诊断

利用核主元分析非线性性能监控的优势,并将相似度分析引入故障诊断领域,提出了基于核主元分析和模式匹配技术相结合的性能监控和故障诊断方法。针对PCA相似度分析存在的问题,对该方法进行了改进。由于KPCA方法具有较好的非线性特性提取能力,因此首先利用KPCA法计算数据的非线性主元,然后计算不同数据集之间的非线性主元相似度;并将主元相似度、非线性主元相似度和基于距离的相似度赋予不同的权值构成综合相似度指标来进行模式匹配。TE过程仿真试验验证了该方法在非线性性能监控与故障诊断中的有效性。