神经网络在变压器故障诊断中的比较研究

在将神经网络应用于变压器故障诊断的过程中,针对BP算法易陷入局部极小、收敛速度慢的缺点,根据遗传算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的混合算法GA-BP算法;通过实例结果分析,表明该算法可以有效地运用于变压器故障诊断中,提高故障诊断的准确率.     

神经网络在变压器故障诊断中的应用研究

解决溶解气体分析法在变压器故障诊断中准确率不高之难题,采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法,建立了一具有较强的学习能力、泛化能力和适应能力的BP神经网络模型.通过MATLAB仿真实验,结果表明此神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值.     

引用神经网络的变压器故障诊断专家系统

针对传统专家系统和神经网络在变压器故障诊断领域应用中的局限性,提出了将两者结合起来的集成的故障诊断系统,并介绍了系统的结构以及神经网络的构造。实践证明网络的学习时间明显缩短,推理效率明显提高。     

可拓神经网络在变压器故障诊断中的应用

可拓神经网络是一类新的神经网络,它结合了可拓学理论和人工神经网络技术。可拓神经网络已经在模式识别、故障诊断、分类聚类等领域有了成功的应用。针对变压器故障诊断的特点,提出一种基于可拓神经网络的电力变压器故障诊断方法。介绍了可拓神经网络;构造了基于可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点。该方法具有一定的应用及推广能力。     

气相色谱和神经网络在机车故障诊断中的应用

为诊断电力机车变压器的故障类型,以提高铁路系统的安全性,提出了一种基于模糊控制的BP神经网络模型.首先应用气相色谱技术,分析变压器油中特征气体含量与故障之间的对应关系,确定电力机车变压器常见的故障类型;然后,收集各种故障类型数据,作为神经网络的训练样本数据和测试数据;最后,建立改进BP神经网络的诊断模型,实现测试数据的仿证测试.诊断结果表明,该模型在电力机车变压器故障诊断中具有良好的实用前景.     

神经网络在旋转机械故障诊断中的应用

本文介绍了神经网络技术的基本原理及在旋转机械故障诊断中的应用步骤,并通过MATLAB对BP神经网络的故障诊断模型进行了仿真,结果表明,此方法比传统方法有更好的诊断准确性。     

基于BP神经网络的卫星故障诊断方法

为了有效地利用卫星下传的海量遥测数据,在测试过程中对卫星进行实时的故障诊断,提出了一种基于BP神经网络的卫星故障诊断方法;该方法包括离线自主学习和实时在线故障诊断两部分;离线自主学习部分基于历史数据库和更新样本进行自主学习,学习获得神经网络模型存储于知识库;实时在线故障诊断部分依据相应的神经网络模型,对遥测数据进行实时在线的诊断;为了验证基于BP神经网络的卫星故障诊断方法的有效性和优越性,以现有型号三轴稳定近地卫星控制分系统为实验对象,利用该方法对具有代表性的红外地球敏感器和动量轮的相关遥测数据进行分析;通过将该方法的实验结果与基于Kalman滤波的方法的实验结果进行对比分析,表明该方法能够有效地对卫星的故障进行诊断。     

神经网络在污水处理过程中的应用

针对活性污泥法在污水处理过程中,水量会发生巨大的变化,以及运行所带来的强耦合、非线性、大滞后性等影响了污水处理的控制过程;利用神经网络技术特点对污水处理厂进行模拟实验,建立BP神经网络模型的仿真,用试凑法确定隐含层节点的个数,为了避免建立的网络过大,在训练网络过程中,避免出现网络"过训练",建立合适的网络模型;通过对污水处理过程中输入数据的水质的变量参数,来预测未来某一时间输出某一水质变量参数;结果表明,BP神经网络可以应用于活性污泥法水处理过程中对水质参数进行模拟仿真和预测的效果。     

一种改进的神经网络模型在故障诊断中的应用

利用粗糙集理论对知识的约简能力及神经网络的自学习、自适应能力,构建了粗糙集-神经网络故障诊断模型,并对BP和Elman两种神经网络比较分析。仿真结果表明,与BP结合的方法更能简化神经网络结构,减少网络的训练时间,提高故障诊断的准确率。     

变压器常见故障及人工神经网络在其诊断中的应用

本文介绍变压器的几种常见的故障类型及其产生的原因，并利用人工神经网络和模糊理论来对其的故障进行诊断，有效地判断电力变压器的内部故障，保证了变压器的安全运行。     

改进的神经网络在变压器故障诊断中的应用

研究变压器故障准确诊断问题。通过对变压器油中溶解气体定性、定量地分析可及时发现变压器内部存在的潜伏性故障。但目前神经网络诊断方法存在收敛速度慢、不稳定问题,导致正确率低。为解决上述问题,提出了小生境遗传算法改进的神经网络模型。充分利用小生境遗传算法的搜索能力和神经网络的非线性映射和学习联想能力,用小生境遗传算法优化神经网络的初始权值和阈值,并对网络进行训练和测试。实验结果表明,与传统方法相比,改进模型有效提高了网络收敛速度、稳定性,提高了故障诊断正确率,具有很强的可行性和有效性。     

神经网络在化工过程故障诊断中的应用

针对现代复杂的化工生产过程,提出一种基于神经网络的故障诊断方法。并分别将典型的BP算法和改进后的BP算法用于TE（Tennessee Eastman）模型的故障诊断中。经过诊断结果的比较,得出标准的BP算法在实际应用中具有收敛速度慢等缺点;自适应学习速率动量梯度下降的BP算法以及用L-M（Levenberg-Marquardt）法先对BP网络进行优化的BP算法具有收敛速度快、不易陷入局部极小值等优点,其中又以L-M优化BP算法效果最好。结合rIE模型的仿真结果可以看出,L-M优化BP算法在工业实际中具有很大的优势。     

改进卷积神经网络在互感器故障诊断中的应用

低压电流互感器作为电网中的关键设备,已经得到广泛使用.低压电流互感器故障诊断的在线检定也显得十分重要.提出了一种改进的全局平均池化的一维卷积神经网络(1DCNN-SVM)故障诊断模型应用于低压电流互感器在线检定.该方法改进了传统卷积神经网络(CNN)模型的结构,引入全局平均池化而不是全连接网络结构,并在测试阶段使用支持...     

基于模糊推理神经网络的诊断模型应用研究

模糊推理系统能处理和利用不精确的知识,是一种有效的智能建模方法.但是模糊推理系统缺乏有效的设计方法.本文通用神经网络的自适应性和诊断的建模方法,建立了一种新的故障诊断模型-模糊神经网络诊断模型.     

集成神经网络信息融合技术在变压器故障诊断中的应用

研究建立集成神经网络信息融合的故障诊断系统,它以信息融合技术为基础,采用神经网络从不同侧面对设备故障进行初步诊断,然后将子神经网络进行决策融合,根据融合结果识别故障。将其应用在变压器故障诊断中,充分的利用个各种信息,大大提高了故障确诊率。     

Fault Diagnosis Using Wavelet Neural Networks

Wavelet neural networks are a class of neural networks consisting of wavelets. This paper presents a novel universal tool for fault diagnosis and algorithms for wavelet neural network construction are proposed. Using the model of wavelet neural networks, we can not only extract the features of system but also predict the development of the fault.     

前馈网的知识扩充及故障恢复

针对前馈网扩充性差的问题,提出了一种知识扩充方法,在维护原有网络结构不同的基础上,通过添加一个新的子风 保存现有的训练结果,又可以学习新知识的目的。同时,本文对神经网络的故障恢复策略进行了研究,提出了相应的补偿算法。最后通过仿真实验仿真实验对算法的有效性进行了验证。     

遗传BP网络在机载雷达故障诊断中的应用研究

对遗传算法优化的BP神经网络在某型机载雷达发射机中故障诊断应用进行了研究,目的是应用遗传算法的全局最优性解决BP神经网络容易陷入局部极小的问题,从而提高BP神经网络的学习速度和精度.通过MATLAB仿真,GA-BP神经网络在发射机故障诊断中网络训练收敛速度和误差精度都明显优于BP网络,进一步验证了遗传BP神经网络学习速度快、预测精度高、泛化效果好,很适合应用于雷达等电子设备的故障诊断.