基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

基于改进麻雀搜索算法优化RBF神经网络的光伏阵列故障诊断

针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络（ISSA-RBF）的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。     

RBF网络在凝汽器故障诊断中的应用

针对RBF神经网络基函数的中心值和宽度确定的特殊问题,将免疫遗传算法与RBF神经网络相结合, 提出一种基于免疫原理的RBF神经网络模型并应用于凝汽器系统故障诊断中.通过实例验证,结果表明该法有效地提高了故障诊断的精度和速度,具有应用价值.     

改进的RBF在水轮发电机组故障诊断中的应用

引用一种改进的RBF神经网络训练方法分析诊断水轮发电机组故障,结果表明该模型计算精度较高、收敛速度快、能满足工程需要,为水轮发电机组故障诊断提供了一种有效的方法.     

基于BP和RBF神经网络压气机特性曲线拟合方法的研究

分析了BP神经网络和RBF神经网络的网络模型.分别利用这两种网络对某型轴流式压气机进行特性曲线拟合,得出了这两种网络在压气机特性拟合方面的不同之处,为利用神经网络进行压气机特性拟合提供了新的思路.     

RBF神经网络在大坝安全监测故障诊断中的应用研究

基于径向基函数神经网络．建立了大坝安全自动化监测的非线性故障自诊断系统。根据系统一步超前预报值与在线实测值的残差逻辑判决．对自动化监测系统的工作性能进行实时诊断。实例结果表明，基于RBF神经网络的大坝安全自动化监测故障自诊断系统能够较好地实现故障的在线诊断和实时隔离。     

热负荷预测的RBF神经网络预测方法研究

由于BP神经网络存在一些缺点,本文采用RBF神经网络方法用于热电厂热负荷预测。预测结果表明：用本文的方法进行热负荷预测得到了十分满意的结果。     

基于RBF神经网络的柴油机气缸压力重构研究

基于RBF神经网络方法,研究了柴油机气缸压力的重构方法,试验结果表明该方法的有效性.     

基于RBF神经网络的柴油机排气温度传感器检测方法的研究

针对柴油机热工参数之间复杂的非线性关系,提出了采用R BF神经网络技术融合柴油机热工参数数据进行排气温度传感器检测的方法,并可对柴油机各缸排气温度进行状态监测。计算机仿真与实际应用表明,利用神经网络的智能检测技术对柴油机排气温度传感器和状态监测是切实可行的。     

基于模糊数学和RBF神经网络的事故预测

对于能源和化工装置,在其运行过程中根据有关变量的发展趋势,预测事故,有着极其重要的意义。人们对此开展了广泛的研究,特别在应用智能化软件解决此类问题方面做了较多的工作,并取得了一系列的成果。     

基于神经网络的燃气轮机故障诊断

对燃气轮机润滑油系统常见故障原因进行了分析,并结合专家知识建立了润滑油系统故障知识库;在此基础上将RBF人工神经网络引入燃气轮机装置故障诊断中来,由于采用了一种动态RBF网设计方法,使得神经网络的规模较小同时具有较高的泛化能力,提高了神经网络的诊断速度及准确性.     

Small-batch-size convolutional neural network based fault diagnosis system for nuclear energy production safety with big-data environment

In nuclear energy production, with the continuous innovations and challenges in the big data and the industry 4.0 era, to guarantee the operation safety without the fault and failure will become more complex and intelligent. In this paper, a novel optimized convolutional neural network with small-batch-size processing (SCNN) was proposed and assembled in the nuclear fault diagnosis system. Eleven kinds of normal and fault conditions that include the whole 316 simulator sensor features were used to evaluate the performance of the proposed diagnosis system. The application of batch normalization with SCNN significantly optimized the model validation accuracy and loss under 100 epochs compared with normal operation and adding drop-out operation in same condition. Besides, outstanding diagnosis accuracy was highlighted by the comparison of traditional binary and multiple classification methods. This proposed diagnosis system has achieved more precise diagnosis accuracy and will provide the useful guidance to operators, assisting them to make accurate and rapid decision to ensure nuclear energy production safety.     

Application of artificial neural networks to the condition monitoring and diagnosis of a combined heat and power plant

The objective of this study has been to create an online system for condition monitoring and diagnosis of a combined heat and power plant in Sweden. The system in question consisted of artificial neural network models, representing each main component of the combined heat and power plant, connected to a graphical user interface. The artificial neural network models were integrated on a power generation information manager server in the computer system of the combined heat and power plant, and the graphical user interface was made available on workstations connected to this server.     

基于RBF神经网络的直流微电网均流控制策略

针对直流微电网功率分配问题,利用径向基神经网络(RBF)建立了直流变换器的动态等效模型,提出了一种改进的功率分配控制策略。以直流微电网模型为基础,以采集的本地单元变换器电压、电流值为输入,以其他单元变换器的输出电压、电流值为输出作为训练数据。在无需通讯的情况下,利用神经网络只需要本单元信息便可准确预测其它并联单元输出,并应用到本地控制器当中,从而改善功率分配和电能质量。文章利用Matlab/Simulink建立的对比仿真模型,证明了该控制策略在多种情况下都具有很好的控制效果。     

核动力装置安全系统中喷射泵工作过程模拟

建立了以蒸汽为工作流体的喷射泵工作过程的一维稳态数学模型。采用数值计算方法,针对应用于核动力装置被动安全系统的喷射泵参数,计算了汽-液喷射泵内轴向压力分布和不同参数下的喷射泵工作性能。结果表明,本模型得到的喷射泵性能与实测值很接近,可以用于蒸汽喷射泵的计算分析。     

A novel fault diagnosis technique for photovoltaic systems based on artificial neural networks

This work proposes a novel fault diagnostic technique for photovoltaic systems based on Artificial Neural Networks (ANN). For a given set of working conditions - solar irradiance and photovoltaic (PV) module's temperature - a number of attributes such as current, voltage, and number of peaks in the current–voltage (I–V) characteristics of the PV strings are calculated using a simulation model. The simulated attributes are then compared with the ones obtained from the field measurements, leading to the identification of possible faulty operating conditions. Two different algorithms are then developed in order to isolate and identify eight different types of faults. The method has been validated using an experimental database of climatic and electrical parameters from a PV string installed at the Renewable Energy Laboratory (REL) of the University of Jijel (Algeria). The obtained results show that the proposed technique can accurately detect and classify the different faults occurring in a PV array. This work also shows the implementation of the developed method into a Field Programmable Gate Array (FPGA) using a Xilinx System Generator (XSG) and an Integrated Software Environment (ISE).     

柴油机故障诊断与分析

通过采集16V240ZJ型柴油机振动信号并利用小波包分解对振动信号进行消噪处理,利用频带分解技术提取振动信号的特征值向量,应用神经网络实现柴油机自适应的故障诊断。     

3000kW核电站AAC级应急柴油发电机组的研制

介绍了为巴基斯坦恰希玛核电站C-2项目研制的AAC级应急柴油发电机组的主要技术参数及特点。针对核电站应急机组的特殊要求，对柴油机的起动系统和调速控制系统进行了改进。     

基于小波包IRN网络的燃气轮机转子故障诊断

提出一种基于小波包和带有偏差单元的内部回归神经网络相结合的燃气轮机转子故障诊断方法。利用小波包分析去除噪声信号干扰,简化燃机转子故障特征提取。带有偏差单元的内部回归神经网络的记忆特性好,收敛速度快、稳定性强。小波包和带有偏差单元的内部回归神经网络的结合,大大提高了诊断速度及诊断准确性。     

采用CSA优化LS-SVM的油浸式变压器故障诊断方法

提出了一种基于耦合模拟退火(CSA)优化最小二乘支持向量机(LS-SVM)的变压器故障诊断方法,该方法以变压器油中五种溶解气体含量为故障特征量,利用故障样本集结合CSA算法、k-折交叉验证来训练并优化一对一组合分类的LS-SvM模型,并将其应用于故障诊断分类。样本测试集验证表明,该方法可避免改良三比值法中编码缺失、编码...