RBF神经网络在凝汽器故障诊断中的应用

针对BP神经网络计算过程存在收敛速度慢的缺点,提出了RBF神经网络应用于凝汽器故障诊断的基本方法。介绍了RBF神经网络的结构、凝汽器的故障类型和征兆集的建立方法。对比了RBF神经网络与BP神经网络的诊断结果,证明RBF神经网络的在线诊断速度、诊断精度均优于BP神经网络,对凝汽器的故障诊断准确可靠。     

神经网络在故障诊断中的应用

从神经网络充当广义模式匹配器进行故障诊断以及神经网络与基于模型故障诊断的融和两方面介绍了神经网络在故障诊断中的研究及应用现状。此外,还介绍了神经网络与模糊技术相结合以及神经网络与专家系统相结合而成的智能故障诊断系统。最后,探讨了神经网络故障诊断的新近发展趋势。     

基于改进型神经网络的电能质量扰动识别

为了改善神经网络的电能质量扰动识别能力,提出了一种改进型神经网络。在分析了传统BP神经网络和遗传算法优化BP神经网络(GA-BP)的基础上,将遗传算法和贝叶斯正则化神经网络相结合,并采用小波包能量熵作为特征向量。改进后的神经网络能有效克服传统BP神经网络易陷入局部最小,GA-BP易出现过拟合现象且网络节点数偏多等缺点。在MATLAB平台上建立各种电能质量扰动信号的仿真模型,分别采用传统BP神经网络、GA-BP及改进型神经网络进行扰动识别对比。仿真结果表明,改进后的神经网络显著提高了识别正确率。     

连续小波神经网络收敛性能的探讨

小波神经网络已经被应用于电力系统,并且表现出许多优良特性.但是人们对于小波神经网络的缺点却认识很少.首先介绍小波神经网络的原理,离散神经网络和连续小波神经网络的概念和特点,然后探讨了连续小波神经网络的收敛性能.研究指出,由于小波函数和Sigmoid函数存在很大差异,因此当连续小波神经网络采用BP神经网络的初始化和训练算法时会出现收敛性差的问题,并通过实验进行了验证.最后本文给出了几种改进连续小波神经网络收敛性的建议.     

基于小波神经网络的电力负荷预测方法

分析了小波神经网络的特点，研究了在电力负荷预测中小波神经网络存在的优缺点及适用范围。通过对小波神经网络和BP神经网络的结构和算法进行理论分析，并对实际电力负荷预测算例进行对比研究，指出小波神经网络本身适合对波动性的信号进行预测，而且在神经网络节点数目相同的情况下，小波神经网络比BP神经网络具有更高的预测精度，因此采用小波神经网络有利于减少隐节点数目。还指出由于当前的连续小波神经网络主要使用传统BP神经网络的随机初始化方法和基于梯度的训练算法，因此存在收敛性差的缺点。     

开关电器的神经网络设计与算法

根据神经网络的基本理论 ,研究了神经网络在电器设备中的应用 ,提出了神经网络的分块构造方法和神经网络分块学习算法 ,并通过实验模拟达到实际要求。     

一种改进的NARX回归神经网络

经典NARX回归神经网络在应用时需要确定输入和输出的延时阶数、隐层神经元数目等三个结构参数,给神经网络的设计造成了很大的困难。为了克服这一缺陷,根据生物神经元机能提出了一种新的动态神经元模型,并将其用于经典NARX回归神经网络中,形成了一种改进的NARX回归神经网络。新的神经网络在应用时只需确定隐层神经元数目,从而简化了神经网络的结构设计。本文还进一步从理论上分析了该神经网络与经典NARX回归神经网络的等效关系,并用李雅普诺夫（Lyapunov）稳定性原理证明了该网络的稳定性。仿真试验表明,新的神经网络不仅辨识能力优于经典NARX回归神经网络,而且泛化能力得到了明显提高。     

基于小波神经网络的中长期电力负荷预测

电力系统负荷预测是1项复杂的系统工程,其不仅涉及的领域广泛,而且不确定性的因素较多。文中在传统BP神经网络算法、改进型BP神经网络算法基础上,将BP神经网络与小波分析相结合,构建了小波神经网络模型,然后分别应用BP神经网络、改进型BP神经网络和小波神经网络对宁夏石嘴山地区电力负荷进行了中长期预测。通过对比分析表明,采用小波神经网络获得的预测数据比前2种方法获得的预测数据误差均要小。这说明了小波神经网络的预测结果更加准确,即采用BP神经网络与小波分析相结合的方法比单纯地采用BP神经网络算法进行电网负荷预测的效果更佳     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。     

神经网络在高性能交流传动控制中的应用趋势

本文首先对神经网络在高性能交流传动控制中的应用现状进行了总结，分析了神经网络在交流传动控制中的发展趋势，同时，论述了神经网络的实现技术。最后，对神经网络的未来应用进行了展望。     

神经网络在高性能交流传动控制中的应用趋势

本文首先对神经网络在高性能交流传动控制中的应用现状进行了总结 ,分析了神经网络在交流传动控制中的发展趋势 ,同时 ,论述了神经网络的实现技术。最后 ,对神经网络的未来应用进行了展望。     

神经网络在电力系统短期负荷预测中的应用综述

神经网络是目前研究最多的短期负荷预测方法。详细综述了BP网络、RBF网络以及小波神经网络在电力负荷预测领域的研究和应用现状。简单介绍了神经网络中常用的BP算法以及改进的BP算法。综述了神经网络在组合预测中的应用，并指出目前神经网络还存在的一些问题。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象，介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想，以神经网络为基础，用遗传算法来学习神经网络的权系数，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力。仿真结果证明：遗传算法和神经网络的结合，可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

基于同伦神经网络的短期负荷预测研究

将同伦方法引入到神经网络的学习训练中,提高了神经网络的学习效率,较好地解决了BP神经网络收敛速度慢和局部极小值等问题.同伦神经网络具有稳定性强,收敛性好的特点,用这种神经网络进行了电力系统短期负荷预测,算例表明了网络收敛快、预测精度高的优越性.     

神经网络在非线性系统建模中的应用

神经网络作为非线性模拟的一种具有生命力的方法,近年来在自动控制、信息处理等方面得到了广泛的应用,本文简要介绍了BP神经网络和RBF神经网络,讨论了神经网络在非线性系统建模中的应用.     

基于遗传神经网络的太阳能集热器仿真研究

提出神经网络和数学模型相结合的方法建立太阳能集热器神经网络模型,并采用遗传算法对太阳能集热器神经网络模型进行优化,用以提高仿真模型的预测精度。在热管式真空管太阳能集热器实验数据的基础上,构建反向传输神经网络模型和遗传算法-反向传播神经网络模型,应用数学模型、反向传输神经网络模型和遗传算法-反向传播神经网络模型进行仿真计算,结果表明遗传算法-反向传播神经网络模型的计算精度高于数学模型和反向传输神经网络模型。同时该建模方法应用于太阳能集热器仿真,既提高了仿真模型的计算精度,又提高了仿真模型的通用性。     

基于神经网络的智能控制系统

介绍了神经网络的基本概念 ,分析了几种基于神经网络的控制系统的特点及其适用场合 ,展望了基于神经网络控制的发展方向。     

基于SOM-BP组合神经网络的交联电缆局部放电模式识别

为同时避免SOM神经网络不能以向量形式表示模式识别结果,BP神经网络需要大量训练样本的不足,深入研究神经网络基本原理,设计了一种将SOM神经网络作为初级网络,BP神经网络作为次级网络,两者间串联连接的SOM-BP组合神经网络模型。在试验室开展交联电缆局部放电模拟试验,提取了超宽频带单次放电脉冲时域波形的3、4阶统计特征作为放电指纹。随后,分别将3种神经网络作为分类器完成了局部放电模式识别,并通过对比SOMBP神经网络与两种单一神经网络的识别效果验证了该模型的正确性。识别结果表明,以SOM-BP组合神经网络作为分类器时各模式识别率均大于90%,且无论是各类识别率还是整体识别率,该网络识别效果均为最佳,证明了组合模型的有效性及合理性。     

改进小波网络在油浸式变压器故障诊断中的应用

小波网络是近年来神经网络研究中的一个新分支,是结合小波变换理论与神经网络的思想构造的一种新的神经网络模型.笔者构造的前馈小波神经网络是将小波分析与BP神经网络融合,以Gauss小波及其伸缩平移系作为隐含层小波基函数并且对小波神经网络做了一些改进.选择了300组油中溶解气体含量作为前馈小波神经网络训练及故障识别的样本,并...     

利用VHDL语言实现Hopfield神经网络运算

VHDL语言作为一种硬件描述语言,其并行执行的特点适合仿真神经网络,便于神经网络的硬件实现,本文简要介绍了Hopneld神经网络算法,并用VHDL语言设计和实现了Hopfield神经网络模块。Hopneld神经网络模块可应用到加密芯片上,模拟非线性函数控制伪随机序列的输出。