基于TF-IDF模型的风机变桨电机温升故障预警方法

随着风能发电规模的不断扩大,风机变桨电机温升故障频发.传统风机变桨电机温升故障预警方法由于故障预警限值计算能力较差,导致在故障预警时及时性较差且无法确定故障位置.针对上述问题,设计基于TF-IDF模型的风机变桨电机温升故障预警方法.使用历史数据库以及小数缩放技术,完成风机变桨电机温度趋势监测.对数据进行预处理,使用TF...     

基于神经网络算法的企业财务预警模型构建

本文详细介绍了基于神经网络算法的企业财务预警模型构建思路,明确提出了财务预警机制中的各项指标,在财务预警基本模型的基础上通过人工神经网络实施了进一步的优化,解决了常规反向误差传播算法收敛速度过慢的问题.     

基于神经网络的变压器故障声识别研究

作为新兴的变压器故障识别技术,声音识别对于变压器故障的识别尤为重要,然而在声音识别过程中,常常受到环境中其他声音的影响而降低识别的准确率,基于此,文章提出一种基于MFCC声音特征提取以及人工神经网络（ANN）模型相结合的变压器故障声音识别的方法,为了提高模型的训练精度,文章对比分析了Levenberg-Marquardt算法、Bayesian Regularization算法以及Scaled Conjugate Gradient算法的收敛性与准确性,选取收敛速度快、误差较小的Levenberg-Marquardt算法来实现ANN模型的误差反向传播并完成故障诊断的验证,验证结果表明,文章所采用的模型对于100个验证样本数据的预测准确率为92%,最终证实模型能够很好的应用于变压器故障的声识别。     

基于BP神经网络和遗传算法的养殖水域预警模型

随着我国经济的快速发展,环境保护工作面临前所未有的压力。为有效加强水产养殖水域环境的监管力度,应对突发性环境污染事故对社会生活和经济发展的影响,建立BP神经网络来拟合水产养殖水域饲料投放与总磷(TP)、总氮(TN)、透明度(SD)以及耗氧量(COD)等富营养指标变化情况的对应函数关系,并利用遗传算法来实现目标函数的优化方法,形成养殖水域预警模型,为水域环境治理和公共决策提供技术支撑。利用该模型对鄱阳湖新型水产养殖基地的样本进行分析,取得了很好的预测效果。     

基于决策树的矿用提升机故障预警系统设计

针对现在矿用提升机故障检测中仅仅依靠实时信号来表征与处理提升机的故障中存在的被动检测,故障数据不准确检测延时等诸多问题,提出了基于C4.5决策树的矿用提升机故障预警系统设计方法。研究了如何选取提升机故障预警参数与如何对这些数据进行预处理。研究了使用决策树构造的方法来设计故障预警系统。通过实际验证证明这种预警方法对故障的预警准确率较高,具有很强的时效性,对矿用提升机故障检测与预警系统的研发与改进有很强的借鉴意义。     

基于RBF神经网络算法的田径运动损伤预警模型研究

运动损伤的预防是运动医学界关注的热点。研究发现多达二十余项因子会直接或间接引起田径运动损伤的发生。根据采集的优秀运动员田径运动损伤致伤因子数据,利用径向基函数(RBF)神经网络算法进行田径运动损伤预警模型研究。通过测试样本评测,该预警模型取得了较为理想的结果,因此该模型用于田径运动损伤风险预警是完全可行的。     

神经网络模型在财务风险预警中的应用

本文在对BP神经网络模型理论分析基础上,将预警指数和BP神经网络二者结合起来建立了财务风险预警的神经网络模型,并用C++语言实现了此神经网络模型。     

融合模糊神经网络与时序模型的火灾预警算法

为有效解决传统火灾监测器误报率高的问题,提出一种结合模糊神经网络(FNN)模型和温度时序模型(TSM)的火灾预警算法,即FNN-TSM,其研究对象包括综合管廊中的3个火灾特征参数:温度,烟雾浓度和一氧化碳浓度。建立FNN模型,获得每个数据点的孤立火灾概率;建立TSM以探测特征参数的变化率,获得每个数据点的时序火灾概率;采用复合火灾决策方法,获得最终的火灾概率。实验结果表明,该算法比其它算法具有更高的火灾预警准确率和实时性。     

基于小波神经网络的齿轮箱故障诊断研究

论述了小波神经网络的系统结构及算法,并根据齿轮振动信号的频域变化特征,提取特征向量作为输入,利用小波神经网络建立特征向量与故障模式之间的映射关系,建立了基于该算法的齿轮故障诊断模型。仿真结果表明：与传统的BP神经网络相比,该模型显著缩短了训练时间。该小波神经网络进行机械故障诊断是有效的。     

基于卷积神经网络的云雾遮挡舰船目标识别

海上舰船目标识别对于海运交通、海上目标跟踪、军事侦察等都有着重要作用,然而海面气象复杂、光照不均、云雾遮挡等自然现象易导致遥感图像中舰船目标识别率低、鲁棒性差等问题.针对云雾遮挡问题,提出一种改进InceptionV3网络模型InceptionV3-FC的舰船目标识别算法.首先,InceptionV3-FC通过引入一层...     

基于灰色新陈代谢和神经网络的故障预测方法研究

针对工业装备故障预测中存在信息不完备等问题,提出将灰色理论与神经网络算法相结合的组合预测方法。首先,通过数据变换技术和重新构造背景值求值方法优化新陈代谢GM(1,1)模型的初始值以及背景值,然后将优化后的新陈代谢模型的输出数据集作为神经网络的输入,原始数据作为神经网络的期望输出。运用附加动量项和变化的自适应学习速率对神经网络的权值更新方法进行改进。其后将得到的最佳神经网络的输出值作为最新信息运用到新陈代谢模型中得到预测值。齿轮运行状态实例预测结果表明,该预测方法可有效提高故障预测精度。     

基于广义回归神经网络的赤潮预警

探讨了广义回归神经网络的原理和相关算法,将广义回归神经网络应用于赤潮预警,并以米氏凯伦藻为例进行了实验.与目前使用较为广泛的BP神经网络进行比较,结果表明,广义回归神经网络的预警效果要优于BP网络,具有较高的实用价值.     

基于神经网络的需求预测模型

零售业的销售过程中积累了大量数据,如何从这些海量数据中提取知识、建立有效的需求预测模型,为零售商提供市场和趋势分析、降低库存成本是零售行业亟待解决的问题。在传统的零售业需求预测模型——Holt-Winter模型中应用神经网络方法,使得需求预测不依赖于数学模型的精度,预测模型中的季节性影响因子等参数能够根据预测误差作相应调整,避免了传统算法中误差的累积,大大提高了预测精度。利用Excel内嵌的VBA实现了该算法,使需求预测能够根据用户需要实现,并提供可视化的结果。     

基于Elman神经网络的齿轮箱故障诊断

针对基于传统BP神经网络的齿轮箱故障诊断方法存在的收敛速度慢、精度不高等问题,提出了一种基于Elman神经网络的齿轮箱故障诊断模型。该模型以齿轮箱特征向量为输入、故障类型为输出,通过改进遗传算法对Elman神经网络的权值和阈值进行优化,将优化后的Elman神经网络用于齿轮箱故障诊断。仿真结果表明,该故障诊断模型加快了网络训练速度,提高了齿轮箱故障诊断的准确度和精度。     

基于卷积神经网络的滚动轴承故障诊断方法

为了简单、准确地进行轴承故障诊断,结合深度学习理论,对基于卷积神经网络的滚动轴承故障诊断方法进行了研究;首先,选用了结构相对简单的LeNet5卷积神经网络;然后,对轴承振动信号原始数据进行截取和归一化处理后直接生成生成二维矩阵作为神经网络输入;接着,优选卷积核大小、批大小、学习率及迭代次数等网络模型参数;最后,应用sigmoid函数进行多标签分类;实验结果表明,该方法能有效识别正常状态及不同损伤程度下的内圈、外圈、滚动体故障状态,识别准确率达到99.50%以上水平;基于卷积神经网络的滚动轴承故障诊断方法不仅在一定程度上可以简化故障诊断的过程,而且可以充分利用卷积神经网络模型的优势实现高效准确地故障诊断。     

基于自联想神经网络的传感器故障诊断

提出一种基于自联想神经网络(AANN)的新算法用于系统中传感器故障诊断。阐述了AANN的结构和算法。具体说明了搜寻2个故障传感器和恢复信号的方法。用改进的AANN诊断有噪声情况下传感器跳变故障并恢复信号。本方法有易实现、结构简单的优点,仿真结果表明:本方法是可行的。     

基于PSO神经网络的故障诊断方法研究

将粒子群优化算法和BP算法相结合,提出了一种基于粒子群神经网络的故障诊断方法.该方法分阶段实施神经网络的训练,有效地加强了算法的全局搜索能力,采用PSO优化了传播中的权值、阈值以及网络结构.这不仅弥补了BP算法的不足,而且删除了冗余连接,提高了故障模式识别的能力.仿真结果表明该方法加快了神经网络的学习收敛速度,提高了故障模式的识别正确率,可以有效地应用于设备的故障诊断.