硅片线切割机HCT-B5半载工艺研究

太阳能硅片切割加工质量的好坏将直接影响到后续的太阳能光伏电池加工效率和成品率。硅片切片作为硅片加工工艺流程的关键工序,其加工效率和加工质量直接关系到整个硅片生产的全局。研究太阳能硅片线切割机HCT-B5半载工艺改进,进一步提高完善工艺及切割方式,使用再回收砂浆切割能应用于负载过大的HCT-B5机床,降低了硅片生产成本,提高了硅片外观质量,硅片质量满足行业标准。     

超薄太阳能硅片线切割工艺中悬浮液特性研究

对硅片线切割工艺中悬浮液特性进行了理论与实验分析,测绘了悬浮液的粘度与温度特性曲线和pH值与温度特性曲线,为硅片的线切割工艺优化提供了理论和实验依据.     

金刚线切割多晶硅片的高效制绒工艺研究

随着多晶硅金刚线切片技术的普及,硅片酸制绒的难度越来越大,而得到最优的硅片表面微观绒面结构对提升多晶硅太阳电池转换效率起着尤为关键的作用。研究了基于引入多晶制绒添加剂后,调整不同制绒添加剂补液量及酸补液的配比浓度,利用电子天平、RC反射仪、SEM电镜扫描仪、WT-2000少子寿命测试仪等测试仪器测试制绒后硅片的减重、反射率、外观及微观形貌,调整后的新工艺可使多晶硅太阳电池的转换效率提升0.07%。     

基于神经网络的锅炉优化燃烧技术

为了提高锅炉燃烧效率,降低火电机组发电能耗,减少温室气体的排放。通过采用神经网络技术建模的锅炉优化燃烧技术,并用遗传算法寻优以调整锅炉燃烧的风粉配比等控制参数,实现锅炉燃烧工况的动态最优运行,较好的克服了传统试验法指导燃烧调整的缺点,解决了燃煤机组煤炭来源不稳定,在偏离设计煤种工况下运行而导致的锅炉燃烧效率低,煤炭消耗及氮氧化物高的问题。通过试验证明该技术可以优化锅炉的运行工况,提高锅炉效率,降低氮氧化物的排放,具有较高的应用价值和广阔的应用前景。     

基于遗传算法优化神经网络的齿轮故障诊断

针对齿轮故障诊断的重要性和复杂性,基于神经网络固有的局部极小值及遗传算法良好的全局收敛能力和搜索性,在遗传算法优化初始权值和阈值的基础上构建了GA-Elman神经网络的故障诊断系统.仿真结果表明,该方法用于齿轮常见故障诊断和预测有效、可行.     

基于神经网络的柴油机性能预测模型优化

在利用神经网络建立柴油机性能预测模型时,首先统计分析了网络结构、初始权值阈值以及训练样本划分对神经网络预测性能的影响.针对网络预测性能面对随机初始权值阈值及训练样本随机划分时表现的不稳定性,利用遗传算法分别建立针对该两项不稳定因素的优化算法,并在这两种优化算法的基础上提出对网络初始权值阈值及训练样本划分全面优化的综合优化算法.对神经网络预测模型的优化研究是基于某型船用高速大功率高压共轨柴油机,柴油机试验覆盖其推进特性10%,～100%,工况下的126个运行点.通过对优化算法的对比和验证,确认了笔者提出优化算法的高效寻优能力,并对优化获得最优预测模型的性能进行测试,该预测模型具有较好的预测性能.     

基于RBF神经网络的梯级电站优化调度规则研究

由于天然径流的随机性使梯级水电站基于确定性来水的优化调度结果难以直接指导实际生产,采用RBF神经网络法研究梯级电站优化调度规则,以梯级电站长系列优化调度结果为依据,建立基于RBF神经网络的调度函数模型,将其应用于大渡河下游梯级电站的联合调度运行,并与基于BP神经网络的调度函数模型进行综合对比。结果表明,RBF神经网络模型能更准确地映射优化调度过程中各变量间的数值关系,提升了调度函数的拟合精度,可更好地指导梯级电站的实际运行。     

基于神经网络的分接开关均压环结构优化研究

基于110kV无励磁分接开关的结构特点,利用Ansoft软件建立了分接开关均压环在变压器油中的三维数值计算模型,研究了均压环的环径、管径和安装位置对分接开关电场分布影响的规律,并建立了基于BP神经网络的均压环结构参数的数学模型,获得了均压环的结构优化参数。计算结果表明,高低端均压环环径、管径和安装位置对其表面电场分布均有显著的影响,优化后的均压环表面最高场强下降,能在一定程度上降低电晕放电概率,为厂家设计人员提供了参考。     

以废弃电子级硅片回收高纯硅的工艺研究

讨论了来源于半导体器件行业的废弃电子级硅片的回收处理工艺.首先对不同样品进行分类,然后对硅片表面金属杂质层进行喷砂或化学腐蚀处理;并对样品进行了扫描电镜(SEM)、电学性能和痕量杂质元素方面的测试和分析.结果表明使用该方法回收处理废弃硅片切实可行,并能有效地节约利用高纯硅材料,对当前供不应求的太阳能级硅材料起到一定的补充作用.     

基于遗传算法优化BP神经网络的管网漏失定位模型研究

针对BP神经网络用于管网漏失定位时易出现收敛速度慢及陷入局部极小值的问题,利用遗传算法对BP神经网络的权值和阈值进行优化,并以A市供水管网为例,选取各个分区的供水管段进行不同程度的漏失模拟,将模拟数据作为训练样本训练遗传算法优化的BP神经网络,得到管网漏失时压力监测点的压力变化率和漏点位置之间的非线性关系,构建基于遗传...     

基于BP神经网络代理模型的翼型优化及领域自适应研究

采用神经网络代理模型和遗传算法相结合的方法对NACA64(3)-618风力机翼型进行了气动优化。针对青藏高原风场条件下某一工况进行优化时,利用拉丁超立方采样生成参数样本集、通过B样条曲线对翼型进行光滑化处理、采用基于深度前馈网络的代理模型预测了升、阻力系数,并结合遗传算法实现了气动优化选型,利用CFD方法验证了优化结果。结果表明：优化翼型的升阻比和升力系数分别提高了4.52%和4.05%,阻力系数降低了0.42%;优化流程能用低维参数表达比较完整的翼型,代理模型能在严苛条件下得到较好的翼型;阻力系数代理模型的精度较高,明显优于升力系数代理模型,而且阻力系数代理模型在领域自适应方面表现良好。     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。     

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BP神经网络光柴孤网运行优化控制研究

摘要： 光柴互补发电独立微电网系统,主要包括：光伏电池组发电、柴油机发电和负载等,光伏发电模型采用MPPT控制。在确保光伏最大功率输出的基础上,对原动机及其速度/功率反馈系统、同步发电机及其励磁控制系统进行分析,建立相应的数学模型。设计基于BP神经网络算法PID控制器,控制原动机的转速调整其输出功率,维持微网系统频率的恒定。仿真结果表明：该控制策略实现光伏最大功率输出,提高太阳能利用率。同时,保证微网系统的频率恒定。     

基于神经网络的变压器动触头结构分接开关优化研究

结合变压器分接开关内绝缘介质和场域的特点,采用ANSYS软件构建了分接开关绝缘板二维数值计算模型,分析了绝缘结构中的油隙及中心轴参数对电场分布的影响,并通过神经网络构建了绝缘板参数输入一输出模型.实现了变压器动触头绝缘板结构参数最优化设计.     

基于蜻蜓算法优化BP神经网络的燃气轮机故障诊断

为了提高燃气轮机故障诊断的准确率,提出了一种基于蜻蜓算法(Dragonfly algorithm,DA)和BP(Back Propagation)神经网络的燃气轮机故障诊断方法。针对BP神经网络容易陷入局部极值的问题,采用蜻蜓算法(DA)对BP神经网络的权值和阈值进行参数优化。仿真结果表明:基于蜻蜓算法的DA-BP神经网络的燃气轮机故障诊断准确率高达97.78%,训练误差为0.03%,与基于粒子群算法的PSO-BP故障诊断和标准BP算法的故障诊断相比,DA-BP模型诊断的准确率最高,训练误差最小。实例证明,采用DA-BP模型实现燃气轮机气路故障诊断具有良好的诊断速率和诊断准确率,具有一定的应用价值。     

基于粒子群优化神经网络的水轮机振动故障诊断

为了提高水轮机振动故障诊断正判率,提出粒子群算法优化BP神经网络的水轮机振动故障诊断方法,即把通过特征提取获得的机组故障特征量作为神经网络的输入,然后利用训练好的粒子群算法优化后的神经网络进行水轮机振动故障类型诊断。诊断结果表明,该方法具有良好的分类效果,比BP神经网络诊断模型诊断精度高。     

基于神经网络的地下埋管换热器优化模型

基于经典的Kelvin线热源模型和Kavanaugh圆柱源理论模型,运用负荷叠加、负荷阶跃、负荷累积的思想,结合人工神经网络建立了土壤源热泵系统地下埋管换热器仿真优化模型。与实验和理论已验证过的圆柱源理论模型的比较分析表明,地下埋管神经网络优化模型相对于传统的地下埋管解析解模型具有良好的计算精度和泛化能力,该模型应用于土壤源热泵系统的长期运行可以大大缩短计算时间,为土壤源热泵系统的优化及设计提供更有效率的模拟计算方法。     

基于果蝇算法优化BP神经网络的齿轮箱故障诊断

为有效提高风电机组齿轮箱故障诊断的快速性和准确性,采用近几年出现的果蝇算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,果蝇算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,果蝇算法优化BP神经网络对风机齿轮箱故障诊断具有可行性和有效性。     

基于模糊神经网络的农业电气PID控制参数优化

摘要： 提出一种基于改进模糊神经网络PID控制的农业电气设备控制参数优化方法。设计了农业电气设备的系统结构模型,对农业电气设备的控制参量进行约束模型构建,得到控制目标函数,设计三层前向变结构PID神经网络,对农业电气PID控制参数进行自适应优化调节,设计了变结构的模糊神经网络PID控制器,实现对农业电气PID优化控制。仿真结果表明,采用该算法进行农业电气设备控制,其输出电压和电流等参数的稳定性和自整定性较好,功率增益较高,收敛性好,控制误差较少,提高了电气系统的稳定性和可靠性。