基于BP神经网络的电站锅炉污染诊断

文章基于神经网络理论，提出了可以对电站锅炉污染受热面诊断的方法。根据额定工况下不同受热面进出口烟温差，建立了基于BP网络的污染诊断模型。此模型可以有效地诊断无法由常规测量仪表监测的锅炉污染情况，为得到有效的锅炉吹灰策略提供理论依据。     

基于神经网络的电站锅炉故障诊断研究

应用模糊模块化神经网络和递推合成BP网络，并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术对锅炉故障诊断与预测问题进行了研究。文章所建的用于锅炉故障诊断的模糊模块化神经网络模型因进行了样本聚类．实验结果表明：其网络训练的速度和精度明显提高，同时有效地解决了BP网络应用于复杂的锅炉系统故障诊断时容易陷入局部最小点的问题。且该网络采用多输出的结构，不仅能对故障是否发生进行诊断，而且还能判断故障发生的严重程度。     

多维BP神经网络在锅炉故障诊断中的应用

采用多维BP神经网络方法进行锅炉故障诊断建模,其中BP神经网络采用多维结构,输入层采用模糊数学方法对运行参数进行量化,通过参数之间和参数与故障类之间的关联关系,建立了多维BP神经网络模型.以锅炉管泄漏为例,进行了故障仿真试验,试验结果表明此方法能有效、快速地进行锅炉故障诊断.     

基于BP神经网络的锅炉效率在线测量

锅炉效率是反映锅炉运行经济性的重要指标,对锅炉性能监测和查找锅炉节能潜力具有重要意义。以国标锅炉效率计算模型为例,分析锅炉效率在线计算的难点以及影响锅炉效率主要因素的特性。建立了它们的在线监测模型,实现了所有锅炉效率影响因素可在线测量,然后,将这些在线可测的参数作为输入变量,建立了锅炉效率的BP网络模型,并对其仿真结果进行比较,得出该模型具有良好的泛化能力,能准确地预测锅炉效率。     

基于BP神经网络的图像分割实现

运用BP神经网络方法对图像进行分割。对神经网络进行训练以确定节点间的连接和权值,再用训练好的神经网络对新输入的图像数据进行分割。实验表明:该算法能够有效地分割图像,图像分割边缘清晰,在处理图像中由于信息不足而产生的模糊不确定问题时更加符合实际。     

电站燃烧锅炉燃烧预示BP网络的实现

介绍了误差逆传播人工神经网络的模型及其在锅炉燃烧特性预示中的应用,并分析了人工神经网络与传统统计方法相比具有优越性,结果表明人工神经网络有很强的灵活性和适应性。     

基于改进BP神经网络的锅炉结渣预测模型

基于人工神经网络的改进BP算法,建立了大型燃煤锅炉对流受热面积灰结渣状况的预测模型。根据所建立的BP网络模型,对某电厂700MW机组锅炉的再热器进行了分析和计算,结果表明该模型可以准确地预测锅炉对流受热面的结渣状况,从而为优化吹灰提供指导。     

基于PLC的BP神经网络PID控制算法实现

本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200 PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。     

基于BP神经网络的循环流化床锅炉密相区高度检测的模拟研究

基于BP神经网络算法对循环流化床(CFB)锅炉密相区高度检测进行了模拟研究。结果表明,当系统内气体介质光学厚度为38时,该算法的计算值与真实值非常接近;随着光学厚度的增加,计算误差也逐渐增大,当光学厚度达到75时,计算值与真实值相差较大,这是由于光学探测器(CCD)的检测精度降低所致。     

基于BP神经网络的锅炉火焰中心对过热蒸汽温度影响的试验研究

过热汽温控制是大型火电机组中必不可少的重要组成部分,针对大型火电机组锅炉过热气温对象多容、大惯性、大延迟、非线性的特性,利用MATLAB程序设计,基于BP神经网络(Back Propagation Neural Network)算法,进行了改变锅炉火焰中心位置对过热蒸汽温度的影响的试验研究,发现了炉膛各层给煤量与过热蒸汽温度的联系,结合机理分析提出了一种通过改变各层燃烧器给煤量来改变过热蒸汽温度的方法,该方法实施简单、操作方便,仿真结果表明,此种方法具有较好的预测精度和泛化能力。     

基于神经网络BP算法的模糊自适应控制器的研究与实现

提出了一种基于神经网络BP算法的模糊自适应控制器 ,通过BP算法 ,修正量化因子和比例因子 ,使模糊控制器具有自适应的能力。计算机仿真结果和实验表明 ,这种智能控制器超调小、响应快且具有良好的鲁棒性。     

运用多媒体技术实现课堂教学最优化

多媒体具有多样性、集成性、交互性、实时性,将文字、图形、动画、视频、声音等多种信息加工组合在一起来呈现知识信息。它以图文并茂,声像俱佳,动静皆宜的表现形式,将课堂教学引入全新的境界。充分、形象地模拟教学环境,大大增强人们对抽象事物与过程的理解与感受。它把一种全新的教学理念引入到课堂,使得教学内容、方法、手段、过程发生了深刻的变化,达到更好的教学效果,使学习的效果达到最优化。     

运用多媒体技术实现课堂教学最优化

多媒体具有多样性、集成性、交互性、实时性,将文字、图形、动画、视频、声音等多种信息加工组合在一起来呈现知识信息。它以图文并茂,声像俱佳,动静皆宜的表现形式,将课堂教学引入全新的境界。充分、形象地模拟教学环境,大大增强人们对抽象事物与过程的理解与感受。它把一种全新的教学理念引入到课堂,使得教学内容、方法、手段、过程发生了深刻的变化,达到更好的教学效果,使学习的效果达到最优化。     

基于BP神经网络和线性神经网络的间谐波分析方法

传统的线性神经网络,其激励函数是固定函数,所以不能对间谐波的频率进行调整,而基波频率微小的偏差将导致谐波检测出现较大的误差。笔者在采用BP神经网络的高精度基波检测的基础之上,采用激励函数参数可调的线性神经网络来分析间谐波。理论分析和仿真结果都表明,无论有没有噪声,文中提出的方法都具有较高的检测精度,自适应能力较强,其中检测与偶数次谐波比较接近的间谐波的优势更明显。     

基于BP神经网络的绝缘子泄漏电流量预测方法

电力系统中绝缘子泄漏电流量跟很多因素有关，其预测模型是一个复杂系统，采用普通的拟合方法，很难找到合适的映射函数。将BP神经网络应用到绝缘子泄漏电流量预测中，建立预测模型，测试结果表明，该预测模型的预测误差小于1％，达到实际生产对模型的要求。     

基于模糊神经网络的锅炉受热面积灰监测

该文利用模糊神经网络，实现了对锅炉受热面积灰状态的实时监测。与常规方法相比，模糊神经网络的推理过程透明直观，容易理解，可以实现推理过程的自解释，实际上起到一个附加的运行咨询系统的作用。     

两种改进BP算法神经网络滤波的比较

对两种改进BP(Back—Propagation)算法神经网络的滤波进行了比较，通过反复的训练得出两种改进算法在权值调整和误差收敛过程中所遇到的共同点和差别，并得出初始权值、激励函数和神经元个数等因素的选取对神经网络学习的影响。     

诊断模拟电路软故障BP神经网络法

首先对神经网络BP算法，提出改进并给出改进后的网络在模拟电路软故障诊断中的具体应用，仿真结果表明改进后的算法有效改善了网络的性能，能有效应用于模拟电路的故障诊断。     

基于残差BP神经网络的变压器故障诊断

基于传统BP神经网络的变压器故障诊断方法,当网络模型达到一定的深度时,模型的诊断性能会趋向于饱和,无法进一步提升网络模型的诊断性能,此时加深网络模型的深度反而会导致模型的诊断性能有所下降。此外,在小样本数据下,传统BP神经网络仍无法取得较好的诊断准确率。因此,为了提高变压器故障诊断准确率以及在小样本数据下的诊断性能,提出了基于残差BP神经网络的变压器故障诊断方法。所提方法采用堆叠多个残差网络模块的方式加深BP神经网络的深度,将传统BP神经网络的恒等映射学习转化为残差BP神经网络中的残差学习。同时,在每个残差网络模块中,模块的输入信息可以在模块内跨层传输,使得每个模块的输入信息可以更好地向深层网络传递,从而在小样本数据下仍可以训练得到较好的诊断模型。实验结果表明,相较于传统深层BP神经网络和传统浅层BP神经网络,所提方法具有更高的诊断准确率,同时在小样本数据下也体现出较好的诊断性能。     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.