基于神经网络的建筑能耗及设备故障预测方法研究

文章在常规建筑能耗和设备故障预测方法的基础上,根据智慧建筑中BIM模型数据和物联网数据融合形成的数据集,提出了基于BP神经网络的多任务学习方法,将建筑能耗和设备故障预测采用同一神经网络模型进行学习和预测,并阐述了网络结构及损失函数的设计方法,为建筑能耗和设备故障预测提供了新的思路,也为智慧建筑运维管理系统中的智能诊断服...     

利用SOM网络可视化方法诊断液压系统故障

由于液压系统的非线性、故障机理的复杂性和多样性,很难准确判断复杂液压系统的故障原因,利用神经网络具有良好的非线性映射能力、自学习适应能力和并行信息处理能力,为解决未知不确定非线性系统的问题提供了一条新的思路.介绍了基于自组织特征映射神经网络(SOM网络)进行液压系统故障诊断的方法.SOM网络是一种重要的无导师学习训练算法的神经网络,使用该算法进行训练后,可以将高维输入空间映射到二维空间上,并对故障现象进行自动分类,从而得出它们对应的故障原因.同时为了便于识别故障,利用U矩阵图对神经网络仿真结果进行可视化.以某工程机械的水平支腿液压系统为例,应用SOM网络进行仿真,并对结果进行可视化.仿真结果表明,SOM网络可视化方法具有故障模式识别能力,为液压系统故障诊断提供一条新途径.     

基于最小二乘法及BP神经网络的盾构故障预测

分析了目前常用的故障预测方法种类及其特点，提出了一种最小二乘法与BP神经网络相结合的预测盾构故障的方法。先构建二者结合的预测模型，进而比较单一BP神经网络的预测结果与最小二乘法和BP神经网络结合的预测结果，结果发现二者结合的预测效果比单一的效果要好。     

BP神经网络在MOA故障诊断中的应用

介绍了BP神经网络在MOA故障诊断中的应用情况。运用Matlab神经网络工具箱对避雷器故障进行训练,比较可知,采用改进的自适应修改学习率算法,具有较好的网络收敛性能和稳定性,并且能够有效解决局部最小问题,但是隐含层神经元数目只能通过试凑法得到。实例分析表明,运用神经网络方法能较为准确诊断避雷器故障,能够有效地克服单纯隶属函数对正常运行工况的误诊断。     

基于神经网络的无人机传感器故障识别

无人机的研发速度不断加快,传感器能够按照较高的标准来执行,整体上的功能是非常显著的。从客观的角度来分析,无人机传感器故障识别,成为了业界内高度关注的对象,通过对神经网络的理念和技术有效应用,能够最大限度的提高无人机传感器故障识别效率、质量。减少了传统判断依据不足的现象。文章针对基于神经网络的无人机传感器故障识别进行讨论,并提出合理化建议。     

盾构法隧道施工主要参数控制方法研究

提出了一种利用多级神经网络构建盾构法隧道施工中主要施工参数与地面沉降之间关系的数学模型,并通过遗传算法,根据施工目标进行了主要施工参数的优化组合.该方法充分利用了神经网络和遗传算法各自的优势.工程实例分析表明,该方法实时性强,有自学习功能,具有很大的实用价值.     

一种基于神经网络的电梯故障诊断方法

针对电梯控制系统的安全性问题,提出了一种基于GCAQBP学习算法的神经网络模型,并将该模型应用于电梯故障诊断系统中。使用该方法对电梯的几种典型故障进行诊断分析。结果表明,该方法具有较好的实用效果。     

基于优化的BP神经网络柴油机燃料系故障诊断仿真研究

神经网络具有并行处理能力、自学习能力,自适应能力和可以逼近任意的非线性函数等特点,是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径,神经网络的这些特点使得它在故障谚断领域应用越来越广泛。本文利用LM改进学习算法训练所建立的BP神经网络,然后利用训练好的神经网络进行柴油机故障诊断,得出诊断结果,使故障诊断具有人工智能化。     

基于大数据和循环神经网络在静态监测设备故障的预测研究

本文开展了基于监测大数据和循环神经网络技术对静态监测设备的故障预测研究，并根据实时监测到的各种数据，找出在结构监测中的关键性能指标，以此作为本次研究的训练特征，并将其输入到建立的TensorFlow2的神经网络模型之中，根据神经网路模型所输出的数据来预测监测现场是否存在设备故障。     

基于BP网络的深层搅拌桩复合地基承载力研究

指出BP神经网络是一种旨在模仿人脑结构及其功能的信息处理系统，根据收集的工程实例，应用BP神经网络对红粘土地区深层搅拌桩复合地基的承载力进行了研究，分析探讨了各主要因素对地基承载力的影响，为其进一步的研究奠定了基础。     

Keras在燃气管道阀门故障诊断中的应用

针对燃气管道阀门故障诊断存在的诊断准确率低，鲁棒性差和容易陷入过拟合等问题，结合深度学习理论，基于谷歌人工智能学习系统Keras，构建多层感知器MLP神经网络模型，用于预测阀门故障程度。选取阀门故障中的8种特征参数作为模型的原始输入量，经过多层感知器的特征提取、参数重构、Adam优化、Softmax分类，并加入Dropout模块避免过度拟合，最终得到具有较高预测精度的多层感知器模型。将得到的多层感知器模型应用在实验室的燃气管道阀门故障诊断系统中，结果表明，这种模型具有更高的准确性和鲁棒性。     

用多层前馈神经网络对四种标准火信号进行识别

火灾智能探测算法具有自学习和自适应功能，是当前火灾探测算法研究的热点，神经网络的方法是其中一种重要的方法，4地国标GB4715－93中规定的四种标准火实验中获得的多以数信号进行了分析，并构建了前馈神经网络对这四种标准火的信号进行识别。将网络改造后也可用于标准火的探测。     

桩基极限承载力与沉降量的神经网络预测

利用BP神经网络较强的高次非一性映射能力和学习功能，建立了基于人工神经网络的单桩极限承载力与沉降量的预测模型。该模型依据现场实测资料建模，避免了计算过程中各种人为因素的影响。通过静载荷试验成果的学习与预测检验，证明其预测精度良好、适用性强，具有较大的工程实用价值。     

桩基极限承载力与沉降量的神经网络预测

利用BP神经网络较强的高次非线性映射能力和学习功能，建立了基于人工神经网络的半桩极限承载力与沉降量的预测模型，该模型依据现场实测资料建模，避免了计算过程中各种人为因素的影响，通过静载荷试验成果的学习与预测检验，证明其预测精度良好、适用性强、具有较大的工程实用价值。     

基于Elman经网络的深基坑变形智能监测

Elman神经网络是一种典型的动态递归神经网络，它既可以学习空域模式，又可以学习时域模式，能使训练好的网络具有非线性和动态特性。文章采用11个输入单元和1个输出单元Elman神经网络。利用Maflab提供的神经网络工具箱编写了Elman神经网络程序，可以通过几种监测数据来推测另一种监测数据。最后以一幢超高层建筑的深基坑工程为例．说明了Elman神经网络方法用于深基坑变形的预测具有较好的可靠性，通过不断加入新的数据，Elman神经网络程序所能判断的数据类型和精度均不断提高。     

基于信息融合的电网故障诊断方法

本文介绍了一种基于神经网络的故障诊断方法,指出了近年来电网故障诊断中存在的问题和研究进展,主要对于电网故障进行诊断的方法进行了探究,为有关人员提供帮助。     

一种回归神经网络的在线学习新算法

针对回归神经网络传统BP学习算法收敛慢的缺陷，介绍了一种新的在线递推学习的新算法。该算法将传统BP学习算法变形，并利用标准数值优化技术，提供了牛顿法的速度和保证收敛的最速下降法之间的一个折衷，成功地解决了动态非线性系统回归神经网络模型权系数学习的实时性和快速性问题。     

基于热工自动化仪表的技术应用及故障维护

本文作者根据多年工作经验，简述民热工自动化仪表的主要功能及其在自动化电厂中的作用，介绍了几种主要热工自动化仪表的技术应用原理，并对热工自动化仪表经常出现的故障原因提出相应的维护方案，有效避免绝大多数仪表故障，更好保证自动化电厂的安全、经济运行。     

循环神经网络（RNN）及应用研究

循环神经网络是一种具有记忆功能的神经网络,适合序列数据的建模。它在语音识别和自然语言处理等领域具有较强的应用。本文主要对循环神经网络的模型、训练和应用领域做了初步的探索。     

基于HHT和RBF神经网络的串联故障电弧识别

针对串联故障电弧的识别,提出一种基于HHT(Hilbert-Huang transform,希尔伯特-黄变换)和RBF(radial basis function,径向基函数)神经网络相结合的识别方法。通过对不同负载下正常电流和故障电流信号的EMD分解,得到一系列的IMF分量;提取相关IMF分量的能量熵作为RBF神经网络输入的特征向量,训练RBF神经网络。实验数据分析表明,经过训练的神经网络能够有效地识别串联故障电弧。