改进BP算法在水轮机振动故障诊断中的应用研究

基于改进BP优化算法对水轮机振动频率识别来判断水轮机振动的原因。研究将定f为转频,基于小波分析法以幅值分量形式从转子不平衡、转子不对中、尾水管涡带偏心三个主要故障点读取振动信号频谱的不同频段并分别收取4组数据。后基于12组数据实现训练和学习,用测试样本对训练好的网络进行测试将输出结果与期望值进行对比。结果显示,改进BP神经系统分辨水轮机振动故障点符合预期结果,可通过传感器实时监测水轮机振动判断运行状态以保证及时处理问题。     

水泵水轮机组状态监测与故障诊断系统

水泵水轮机组状态监测与故障诊断系统是针对大型抽水蓄能电站水泵水轮机组的运行特点而设计的，它用于机组稳定性状态监测及跟踪分析，该系统包括状态监测，信号分析，故障诊断３个主要功能块以及其他辅助模块。状态监测模块实现实时监测并报警；信号分析模块提供多种分析方法，可对监测获取的数据进行分析，故障诊断模块能自动对机组进行评价和对有可能发生的故障进行诊断，运用该系统，能完整地掌握机组运行的当前状态和历史数据。     

基于改进BP网络的轴流式水轮机调节特性仿真

为了获得水力机组在小开度、小流量工况点下非线性特性数据,利用改进BP网络与MATLAB神经网络工具箱相结合的方法,将已知的水轮机综合特性曲线数据与边界约束点相结合,经网络自动学习训练可获得低效区的流量延拓、力矩延拓仿真曲面。改进BP网络模型可以大大地提高水轮机综合特性曲线数据处理的效率与精度,是研究水轮机控制系统的一种新的非线性建模仿真模型。     

基于专家系统的水轮机组故障诊断研究

针对水轮机组故障原因与征兆之间的复杂关系,充分利用综合监测数据和专家的经验知识,采用以VC＋＋为开发工具和基于ADO数据库访问技术的诊断推理方法,建立了水轮机组故障诊断专家系统。研究结果表明：该系统推理效率高,可信度好,满足水轮机组故障诊断的有效性和实用性要求。     

基于LabVIEW的水轮机状态监测与诊断系统研究

针对目前水轮机状态监测系统存在的不足,提出基于LabVIEW平台设计并开发水轮机状态监测与诊断系统;分析并确定了最能反映水轮机运行状态的测量参数,建立了该系统的总体结构,研究了各模块的功能及技术实现。该系统在某水电厂的运行结果表明,它能够及时直观地反映水轮机状态及其运行趋势,为现场人员提供重要的技术参考。     

基于噪声检测的水轮机组故障诊断系统

噪声检测是水轮机组运行检测的一个重要项目,本文采用虚拟仪器技术、MATLAB技术和智能诊断技术,利用机组运行检测的噪声信号的特征向量,构建水轮机组故障诊断系统。系统采用LabVIEW虚拟仪器软件平台,实现机组运行噪声信号的实时采集,借助MATLAB软件进行噪声信号的分析和处理,构建智能诊断模块,系统实现了机组运行实时故障检测和运行状态预测的目的。现场应用表明该系统效果良好。     

水轮机故障诊断专家系统的一种模糊诊断方法

水轮机故障诊断专家系统是针对解决水轮机故障诊断问题研制的计算机智能软件。结合该研究课题，介绍了专家系统的基本结构，模糊诊断的一种方法以及水轮机故障诊断实例等内容。     

基于BP神经网络的水轮机调节系统建模与仿真

采用BP神经网络对水轮机综合特性曲线进行处理,将水轮机非线性特性转换为可用于实时仿真的力矩和流量神经网络,可避免建立水轮机特性变量间复杂的函数关系式。将其应用于水轮机调节系统的大波动过渡过程计算,可使计算更为简洁,且由于曲面是光滑的且导数连续,更容易保证计算过程的收敛。建立的机组非线性模型更贴近实际情况,仿真试验表明应用效果良好。     

BP网络在水电机组振动故障诊断中的应用研究

将人工智能引入水轮发电机组的故障诊断，有利于大中型水电厂“无人值班（少人值守）”管理模式的加速发展，本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法，然后将神经网络中的BP模型应用于水轮发电机组振动故障诊断中，比较了选择不同的网络掺数对诊断系统必能的影响，实验证明，基于BP网络的水轮发电机组振动故障诊断方法具有很高的实用价值。     

水轮机组状态监测及诊断分析系统软件设计

文章针对我国水轮机组的计划性维修现状，提出应用状态监测的方法，应用面对对象的技术，开发了状态监测及诊断分析的各个模块，利用水轮机组硬件采集的数据进行分析诊断，为水轮机组及电网经济运行和机组检修人员进行状态维修提供技术的依据和帮助指南，以延长机组大修期并提早发现故障隐患。     

基于改进型BP神经网络马尔科夫模型的区域需水量预测

为提高需水量预测的精确度,应用了一种BP神经网络与马尔科夫相结合的预测模型,介绍了它的基本原理及算法,并给出了该模型建立的具体过程,最后该模型被应用于需水量预测工作中,计算证明取得了较好的效果。     

基于BP网络的承压水漏斗动态规律研究

为了研究区域地下水的变化规律,结合沧州1989～2007年72眼观测井的水位、区域开采量和补给量等资料,研制了该区域承压水漏斗水位的BP网络模型。该模型具有分布参数模型的特征,对水位拟合与检验的合格率均大于70%,符合相关规程要求。应用所建模型,对5个不同开采与补给方案下,研究区未来10 a承压水漏斗的动态变化进行了模拟,模拟结果合理、可靠。     

Assessment of water quality by firefly algorithm based on BP neural network model

Assessment of water quality by firefly algorithm based on BP neural network model ( FA-BP model) is built. In this model, the ev aluation index function is constructed by BP Artificial Neural Network Algorithm ( BP model) , and Firefly Algorithm ( FA model) is intr oduced to optimize weight values and thresholds to find the optimal solution. Fuzzy Comprehensive Evaluation method, Grey Incidence Analysis Algorithm and FA-BP model will be applied to evaluate the water quality of the five main rivers in Liany ungang City including Longwei, Yudai, Dapu, Paidan, and Dong yan River. The results show that the Fuzzy Comprehensive Evaluation method is difficult to use for slight pollution rivers with several slightly over standard indexes. It will be easy to ignore the impact of ex treme indexes by Grey Incidence Analysis Algorithm. FA-BP model solves the shortcomings of the two methods. The evaluation results pr ovide an important reference for the formulation of reasonable measures. It is a relatively comprehensive evaluation method and has agood a pplication prospect in water qualit yevaluation.     

基于BP神经网络的宁夏水资源需求量预测

利用宁夏2000-2010年的需水量数据,提取了人口数、GDP、工业总产值和降水量为主要影响因子,采用主成分分析法对影响水资源需求量的8个因子进行了分析。将此作为输入样本构建BP神经网络模型,用训练测试好的神经网络对2011和2012年水资源需求量进行了预测,预测结果为宁夏水资源规划管理提供参考。     

基于MATLAB下BP网络在河流污染物浓度预报中的应用

文中简介了MATLAB语言和BP神经网络，并运用于河流污染物浓度的预报中，取得了良好的效果，说明运用BP神经网络进行河流污染物浓度预报是可行的．人工神经网络用于解决河流污染物传播扩散的复杂非线性问题，具有其独特优势．运用MATLAB神经网络工具箱，免去了繁琐的编程工作，值得进一步的研究和实践。     

基于 BP 神经网络的调水工程调蓄水位预测模型

在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要。以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律。先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测。结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%。     

基于BP神经网络的温榆河水质参数反演模型研究

为进一步提高内陆水体水质参数遥感反演的准确性,北京市温榆河被选为研究对象,研究选取ETM＋数据和准同步实测水质指标（浊度、BOD;）数据,建立了多个隐含层数目为1的BP神经网络模型,并选出分别针对浊度和BOD5的最佳神经网络模型,利用ETM＋影像的波段组合值反演了浊度和BOD,浓度值。最后将其反演结果与常规多元线性回归模型的反演结果进行精度比较。结果表明：温榆河的水质参数遥感反演为非线性问题,使用BP神经网络方法进行浊度与BOD,两种水质参数反演的结果优于线性回归方法的反演结果。     

基于BP网络的人工沉床系统水质净化效果研究

人工沉床技术是一种新兴的生物-生态水体原位修复技术,水质净化过程具有非线性与不确定性,传统方法建立的数学模型难以精确模拟。本文以天津市外环河人工沉床实验2007年10月至2008年9月的水质实测数据为基础,建立BP神经网络水质模型,并与多元非线性回归方法进行比较。结果表明:建立的BP人工神经网络模型对不同水质指标拟合的平均相对误差分别为:化学需氧量(CODCr)0.1%,总氮(TN)1%,总磷(TP)0.6%。与多元非线性回归的拟合结果相比,平均相对误差更小,BP神经网络模型更适用于人工沉床系统出水水质的模拟。