基于改进人工蜂群算法的Elman神经网络风机故障诊断

在风机齿轮箱故障诊断过程中,针对由于故障数据稀疏导致模型建立困难的问题,提出一种使用改进人工蜂群算法(IABC)优化Elman神经网络的故障诊断模型。该模型通过建立齿轮箱正常状态下的温度模型,采用残差分析,得到齿轮箱的故障状态,降低了建立模型的复杂度。采用IABC对Elman神经网络的相关参数进行优化,解决了Elman网络收敛速率慢、易陷入局部最优的问题。在IABC算法中,观察蜂阶段采用动态搜索策略,实现搜索能力和开发能力的平衡;在侦查蜂阶段,通过引入混沌变量扰动,增大种群多样性,进而达到全局最优。通过华北某风电场历史数据进行实验,结果表明,IABC与Elman神经网络的结合可对风机齿轮箱故障状态进行识别,且诊断正确率较高,可应用于实际故障诊断。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

改进BP算法在柴油机故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小等问题,采用一个改进的算法,对设备故障进行诊断和分析研究。以某柴油机供油系统为例,对其中的几种常见故障进行了诊断研究。从中可以看出,改进算法加快了收剑速度,诊断的精度也有所提高。     

蝗虫优化神经网络在变压器故障诊断中的应用

针对变压器故障诊断中传统BP神经网络算法准确率低、收敛速度慢、易陷入局部极小值及对初始参数较为敏感等的不足,提出一种基于蝗虫优化（GOA）算法的BP神经网络故障诊断方法。建立以变压器故障特征气体为输入、故障类别为输出的故障诊断模型,利用GOA高效的计算性能和优良的全局搜索能力对BP神经网络的权值和阈值进行参数优化。仿真结果表明,GOA优化后的BP神经网络模型相比于传统BP神经网络和基于遗传算法优化的BP神经网络,能够在保留广泛映射能力的前提下,提升网络的学习速度和全局搜索能力,进而缩短训练所需时间,提高故障诊断精度。     

BP网络的改进算法及其在旋转机械故障诊断中的应用

针对ＢＰ网络用于高速旋转机械的故障诊断时学习收敛速度慢和易出现局部最小点的不足，采用自适应学习率和绝对误差等距离逼近方法，对其参数进行了研究。结果表明，这两种方法有效地提高了ＢＰ网络的收敛速度，并给出了自适应学习率、慢性因子、隐层单元数的合取值范围和推荐值。     

基于改进GSA-SVM模型的电力变压器故障诊断

准确评估输变电设备运行状态是电力企业生产技术工作的核心内容。为提高电力变压器故障诊断精度,避免传统引力搜索算法（GSA）自身收敛速度慢且易陷入局部最优区等不足,提出一种利用混沌序列改进GSA的支持向量机（SVM）模型,用于电力变压器故障诊断中。首先利用混沌序列来增加重力粒子的多样性,目的是避免在其训练时陷入局部最优区;然后利用改进的GSA算法来优化SVM模型自身的参数,从而提升该模型的预测准确率;最后将预测结果与其他3种传统诊断模型的预测结果进行了对比分析,结果表明利用混沌序列改进的GSA-SVM模型有着更好的泛化能力以及更高的分类准确率。     

基于改进弹性BP算法神经网络转子故障诊断

为精确诊断转子故障,以转子故障模拟实验台的实测数据为研究对象,采用基于小波包能量特征向量提取的信号特征值作为网络的学习样本,采用改进弹性BP算法训练网络研究转子的振动状态。为神经网络在转子故障诊断领域更深入广泛的应用提供可参考的思路和方法。     

回复电压法在变压器故障诊断中的应用

作为一种可用于电力变压器及电力电缆状态监测的非破坏性诊断工具之一,回复电压法正被广泛开展研究,该方法可提高检测绝缘系统中含水量及老化程度的能力,并能够表征绝缘状况及老化状态。基于回复电压法原理,利用油浸纸板进行极化现象研究,为解释其内在机理,引入扩展德拜模型,并在不同电路参数条件下,得到了不同的仿真结果,同时,在试验室内针对不同老化程度的试样进行回复电压试验,综合试验结果及理论分析,建立了极化与老化之间的关系。     

回复电压法在变压器故障诊断中的应用

作为一种可用于电力变压器及电力电缆状态监测的非破坏性诊断工具之一,回复电压法正被广泛开展研究,该方法可提高检测绝缘系统中含水量及老化程度的能力,并能够表征绝缘状况及老化状态.基于回复电压法原理,利用油浸纸板进行极化现象研究,为解释其内在机理,引入扩展德拜模型,并在不同电路参数条件下,得到了不同的仿真结果,同时,在试验室内针对不同老化程度的试样进行回复电压试验,综合试验结果及理论分析,建立了极化与老化之间的关系.     

回复电压法在变压器故障诊断中的应用

作为一种可用于电力变压器及电力电缆状态监测的非破坏性诊断工具之一．回复电压法正被广泛开展研究，该方法可提高检测绝缘系统中含水量及老化程度的能力，并能够表征绝缘状况及老化状态。基于回复电压法原理，利用油浸纸板进行极化现象研究．为解释其内在机理，引入扩展德拜模型，并在不同电路参数条件下，得到了不同的仿真结果，同时，在试验室内针对不同老化程度的试样进行回复电压试验，综合试验结果及理论分析，建立了极化与老化之间的关系。     

改进人工蜂群算法及其在反演分析中的应用

将人工蜂群算法用于混凝土坝参数反演,为提高算法的搜索效率、减少搜索过程中的停滞现象,引入了文化算法中的信仰空间和模拟退火的可控性概率突跳特性,提出一种具有知识引导功能的文化退火人工蜂群算法,采用上层知识进化空间和下层群体进化空间两个进化空间,在知识空间的引导下重新设计搜索算子并按一定的概率进行模拟退火搜索.算例分析表明,改进后算法的收敛性能优于原算法,为解决类似系统的优化和参数识别提供了一种新方法.     

遗传神经网络在凝汽器系统故障诊断中的应用

针对BP神经网络学习收敛速度慢和易陷入局部极小值的不足，将遗传算法与神经网络相结合，提出了一种故障诊断的新方法——遗传神经网络优化故障诊断算法，并将其应用于凝汽器系统故障诊断中。经实例验证，该方法有效地提高了故障诊断的精度和速度。     

基于随机游走蜂群算法优化的RBF神经网络电动机故障诊断研究

为解决目前电动机故障诊断方法收敛慢、易陷入局部极小、准确性不足等缺点,提出了一种电动机故障诊断新方法,即将Levy Flight随机游走机制、人工蜂群算法和径向基神经网络结合的方法。首先通过改进的蜂群算法即随机游走蜂群算法(LFABC)对网络参数进行全局寻优,然后对网络进行监督训练,局部细化网络参数,最终得到故障诊断模型。经实例验证,本文所提方法能更快速、准确地实现电动机故障诊断,取得了较好的效果。     

基于蚁群算法的神经网络在发动机故障诊断中的应用研究

BP算法在神经网络中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。而蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、全局收敛、启发式学习等特点。将蚁群算法和神经网络结合起来，应用于发动机故障诊断中，可以提高运算效率，具有广阔的应用前景。     

改进的BP神经网络在汽轮发电机组故障诊断中的应用

就BP网络的不足，提出了一种改进的BP神经网络模型，用于汽轮发电机组故障的诊断。经理论和实践证明：该方法有效地提高了故障诊断的精度和可靠度，为旋转机械故障诊断提供了有效方法。图2表4参7     

人工蜂群优化LM-BP网络在东平湖水质评价中的应用

为综合评价东平湖水质状况,选择高锰酸盐指数、氨氮、COD_Cr、BOD₅、TN、TP和氟化物作为评价指标,建立了基于人工蜂群与Levenberg-Marquardt算法优化的BP（ABC-LM）网络水质评价模型,对比分析了ABC-LM网络、自适应网络、L-M网络的性能。结果表明,ABC-LM网络模型的收敛速度最快,能有效避免陷入局部最优和过拟合,具有较强的泛化能力,与内梅罗指数法的评价结果匹配度高,综合评价能力较好;2013～2020年东平湖总体水质良好,春季水质优于秋季水质,全湖水质基本达到《地表水环境质量标准》（GB 3838-2002）中Ⅲ类水质要求。     

自适应学习率的BP网络算法及其在汽轮发电机组故障模糊诊断中的应用

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，从根本上解决了ＢＰ网络学习率的取值问题和收敛速度慢的问题，并有效地克服了ＢＰ网络易陷入局部最小点缺点，采用这种改进算法成功地实现了对汽轮发电机线故障的模糊诊断。     

多层感知器在变压器故障诊断中的应用

提出采用多层感知器模型应用于变压器故障诊断系统,将遗传算法全局搜索能力强的特点和梯度下降法局部搜索能力强的特点有效结合,增强了神经网络模型的识别效果。     

基于改进粒子群优化RBF网络的变压器故障诊断

为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数。首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试。结果表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高。通过诊断国网某公司的5组故障实例,验证了所提算法的可行性。