动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性，提出了在线动态建模的模糊神经网络方法。当新增样本进入训练集之后，根据新样本对模型的贡献大小，在已有模型的基础上进行动态修正，这样可以减少建模的计算时间。新方法实现了增加样本而矩阵阶数不增加，避免了矩阵求逆运算，理论上可以提高计算效率。实例表明动态模糊神经网络方法是可行的，可实现持久预报，具有较强的适应能力和较高的预报精度，可应用于在线实时变形预报及相关领域。     

BP神经网络改进算法在电气故障诊断系统中的应用

文章将人工神经网络技术、基于动量因子技术的改进BP网络训练算法应用于飞机电气设备故障诊断。以飞机交流异步电动机为例，建立了故障诊断模型。仿真结果表明该算法的应用是可行的，具有较强的推广前景。     

改进模糊神经网络在负荷预测中的应用研究

电力系统短期负荷预测是电网调度中一项重要的工作,精确的负荷预测可以为调度员提供必要的基础数据,电网运行安排也都是以负荷预测的数据作为根据。利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测。研究了改进的误差反向传播算法——动量及自适应lrBP的梯度递减训练算法,预测结果表明比标准BP算法具有更好的性能。同时,针对大量无法用精确数值来量化的信息的影响,引入模糊理论的方法,定义了不同的隶属度函数,模糊化后输入到网络中进行训练和预测,结果表明其精度比输入量非模糊化的人工神经网络更高。     

开关磁阻电机的模糊神经网络模型

首次给出了开关磁阻电机的模糊神经网络模型,基于模糊神经结构上的特点,提出了一和中ＢＰ算法和最小二乘的混合算法,仿真结果表明模糊神经网络模型有比Ｓｉｇｍｏｉｄ神经网络模型更高的精度和更快的收敛速度。     

基于混沌优化模糊神经网络的大坝安全监测模型

大坝监测数据分析和大坝监控预测模型的难点在于监测数据的效应量和影响量之间的高度非线性关系,传统监测模型的非线性分析能力欠缺。在充分利用模糊神经网络的模糊推理能力、处理众多影响因素能力和解决复杂非线性问题能力的基础上,结合混沌优化算法的全局搜索能力,建立了基于混沌优化的模糊神经网络模型。对某拱坝变形进行了拟合和预测,计算结果与实测值吻合良好。     

应用模糊神经网络实现故障测距

提出一种应用模糊神经网络进行输电线路故障测距的新方法。该方法具有很强的自适应和抗干扰能力。通过有导师的学习,模糊神经网络将自学会对故障电量的分析计算,完成线路故障的测距。仿真结果表明,经充分训练的网络可快速准确地定位故障,不受故障类型、过渡电阻及系统运行方式的影响。     

基于模糊神经网络的锅炉燃烧稳定性综合评判模型

建立了基于模糊神经网络的多级模糊评判模型,在这种数学模型基础上提出了神经网络分级学习BP算法,解决了多级模糊评判中多层次权值学习困难的问题,也更符合多级综合评判的物理意义,使训练速度和评判的准确性大大提高。基于此模型建立了锅炉燃烧稳定性评判系统,取得了令人满意的效果。     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中。在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的。     

小波模糊神经网络在绝缘子污秽在线监测中的应用

为了实现电气设备在线监测的智能化和自动化,提出了基于小波模糊神经网络的绝缘子在线监测的方法。鉴于模糊神经网络具有良好的学习性及其很强的模式识别能力以及小波对含噪泄漏电流信号有很好的去噪能力,故提出了小波理论和模糊神经网络相结合的小波模糊神经网络。在实验室模拟实验和现场实测数据的基础上,分析了环境因素对不同污秽程度绝缘子外部电气特性的影响,通过选择环境温度和湿度,泄漏电流有效值,泄漏电流峰值及泄漏电流脉冲频率等变量作为其输入变量,并将其用于对绝缘子污秽程度在线监测结果的模糊综合评定。同时也介绍了基于小波模糊神经网络的污秽评定模型的构建过程,通过部分实验数据验证了该方法的可行性。通过此方法,监控人员可以实时在线监测变电站实时绝缘状况,同时可减少电网因绝缘问题引起的故障,在保证电网安全运行方面有突出贡献。     

基于模糊神经网络的信息融合在电网故障诊断中的应用

根据电网分布的特点,将多传感器信息融合技术应用于电网的故障诊断中.在电网的不同区域加装传感器网络,将所测结果首先在子模糊神经网络中进行特征级融合,然后再将此结果送至融合中心进行决策级融合,最后得出诊断结论,包括故障类型和故障区域,大量的实验证明该方法是可行的.     

一种基于GA-BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。     

基于模糊神经网络的发电厂自适应配煤控制

根据发电厂灰分控制的时变、滞后和非线性特性,本文提出了一种基于人工神经网络与模糊控制相结合的控制器。利用人工神经网络的自学习、自适应和并行处理的能力,将模糊控制规则转化为神经网络的学习样本,通过FNN的BP学习算法记忆这些规则样本。实验表明该控制器具有响应速度快、精度高和鲁棒性强的特点。     

基于动量因子技术的BP神经网络改进算法及应用

介绍了基于动量因子技术的改进BP网络训练算法,并将其应用于飞机电气设备故障诊断。以飞机交流异步电动机为例,建立了故障诊断模型,仿真结果表明该算法的应用具有可行性,有较强的推广前景。     

基于模糊神经网络的二自由度内模控制

针对工业控制领域具有代表性的过程控制对象,设计了一种二自由度内模控制器,可以同时独立地调节日标值跟踪特性、干扰抑制特性和鲁棒性.并提出了一种基于模糊神经网络的二自由度内模控制参数在线智能整定方法.理论分析和仿真结果表明,所提出的方法设计简单、参数凋整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性.     

模糊神经网络实现的PID参数自调整控制及应用研究

模糊控制学习功能差,神经网络推理功能差,把二者结合可以起到互补作用,保证推理和学习功能的实现。本文用多层ＢＰ神经网络实现了一类模糊推理过程,该网络通过学习记忆ＰＩＤ参数调整的基本规则,实现了ＰＩＤ控制器参数的在线调整。通过对考虑非线性因素的伺服系统控制对象的仿真,说明了该方法的有效性。     

基于模糊神经网络继电保护装置的仿真研究

根据模糊数学和神经网络的基本原理,建立了一个基于模糊神经网络的继电保护装置系统模型。给出了模糊神经网络的结构和学习算法并进行了仿真,大量的实验证明该方法是可行的。     

基于BP神经网络的拱坝温度监测数据预测模型

实时监控拱坝的温度对工程进度和坝体安全具有重要意义。以白莲崖碾压混凝土拱坝温度监测数据为研究对象,建立基于MATLAB的拱坝温度监测反向传播（BP）神经网络预测模型,用原型观测数据对其进行校核和检验,并引入灰色理论中的GM（1,1）模型、混沌模型（最大Lyapunov指数法）与预测结果进行比较。结果证明,用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测,具有良好的应用前景。