共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
模式识别方法在变压器的油色谱数据处理中起着至关重要的作用。采用主成分分析法与BP神经网络相结合的方式对传感器检测的油中气体进行处理,解决了传统的BP神经网络模式识别收敛速度慢且精度不高的问题。之后将基本的BP神经网络分析法与BP神经网络主成分分析法作了对比。结果表明,该方法能有效解决气体传感器的交叉敏感问题,提高了网络的训练速度和气体的检测精度。 相似文献
4.
5.
6.
随着工业化进程的加快,冲压机已经广泛应用于工业制造中。对冲压机进行振动故障检测,有利于保障工业制造生产的质量和效率。本次研究冲压机的振动故障检测时,在BP神经网络算法的基础上进行冲压机振动故障智能检测系统的设计。通过研究冲压机的典型振动故障在时域、频域上的特点,以及BP神经网络算法模型,设计了冲压机振动故障智能检测系统,包括冲压机振动故障检测的BP神经网络设计和系统软件设计。在此基础上,以存在故障的冲压机为例,对其进行了故障检测和分析,得到相应测试点的时域变化以及功率谱变化。研究结果表明,冲压机存在两个故障频率,分别为23.81和20.5 Hz,并且该冲压机存在较为严重的磨损。此次研究验证了基于BP神经网络的冲压机振动故障智能检测系统的有效性和合理性,希望能为冲压机振动故障检测的研究提供一定的参考和借鉴。 相似文献
7.
8.
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。 相似文献
9.
10.
光伏阵列在实际工作条件下因灰尘、受照不均匀等影响而功率输出呈现多峰特性,传统的最大功率点跟踪(maximum power point tracking,MPPT)算法不能实现全局寻优,无法精确跟踪到最大功率点。遗传算法可以有效解决多峰寻优问题,但一般遗传算法在跟踪过程中会出现早熟、准确率较低等问题,为此,提出一种多种群遗传算法(multiple population genetic algorithm,MPGA)与扰动法相结合的算法来解决此类问题。在光伏电池拓扑模型中,采用优化双二极管代替单二极管模型,并在Matlab/Simulink下进行建模仿真。结果表明:该算法可以准确快速高效地找到局部阴影条件下光伏阵列的最大功率点。 相似文献
11.
12.
光伏跟踪系统可提高光伏发电系统的发电效率,但由于光伏跟踪系统的运行机构及运动控制算法等存在不稳定性,常会导致其运行效果不理想,跟踪精度难以保障。为实现光伏跟踪系统跟踪误差的现场检测,设计了一种基于光敏二极管传感器三维阵列的光伏跟踪误差检测装置,该装置主要包括1个由多个光敏二极管传感器以三维阵列规则镶嵌构造的圆球体和主控制系统等;并设计了基于激光水平仪的传感器标定方案,实现传感器初始值偏差校正,提升检测装置一致性,实现对单轴或双轴光伏跟踪系统跟踪误差的自动检测。经设备试制及测试验证,结果表明:该检测装置可满足光伏跟踪系统跟踪误差检测精度需求,能够准确在线检测单轴、双轴光伏跟踪系统在不同情况下的跟踪误差。 相似文献
13.
14.
光伏阵列故障检测中的无人机红外图像拼接 总被引:1,自引:0,他引:1
红外遥感图像可用来检测光伏组件的异常发热,为获得大视野的地面信息需要图像拼接技术,该文提出一种基于快速鲁棒特征检测(speeded-up robust features,SURF)算子的红外光伏图像自动拼接算法。基于K-d树(Kdimension tree)算法的匹配结果,结合匹配对的坐标信息提出一种优化算法,减少了随机抽样一致(random sample consensus,RANSAC)算法的迭代次数,并采用最佳缝合线算法进行图像融合;然后优化平移变换模型、修正旋转序列的角度,基于待拼接图像和模板之间的重叠区域自动修正拼接参数。实现从图像序列到全景图的全自动拼接流程。试验表明,该方法使RANSAC算法的迭代次数平均减少93.26%,处理时间平均减少86.21%。在没有无人机位置和飞行方向的少参数条件下,基本消除了光伏组件的几何相似性导致的误匹配和累计误差。 相似文献
15.
针对光伏系统中的接地故障检测问题,提出一种基于扩展频谱时域反射法(spread spectrum time domain reflectometry,SSTDR)的接地故障检测方法。在分析高频信号下光伏系统等效模型的基础上,将光伏系统整体视为传输线终端阻抗,当发生接地故障时其阻抗值会产生变化,通过对SSTDR自相关值进行数值分析处理,并与无接地故障光伏系统的自相关值进行比较,实现光伏接地故障检测。相较于常规检测方法,该方法无需测量光伏系统的电压、电流、温度、辐照度等参数,可消除传统检测方法中的检测盲点,且具有较强的鲁棒性。实验验证了方法在不同光照强度、不同接地电阻、双点接地等故障情况下的可行性和有效性。 相似文献
16.
17.
根据光伏组件的构成,将影响组件价格的因素分为技术因素和非技术因素,并采用网站数据采集法和专家咨询法确定各主要因素的分项价格,构建BP神经网络预测模型,在此基础上利用Matlab内置的Neural Net Fitting模块对组件价格进行预测,结果表明BP神经网络对组件价格预测的相关性较好,预测价格与实际价格偏差率为-2.62%~2.11%,预测结果可接受度为89.47%,预测精度满足实际需要,为光伏项目的顺利实施提供了辅助决策依据。 相似文献
18.
19.
20.
为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(ISSA)优化核极限学习机(KELM)的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。 相似文献