人工神经网络在电机设计专家系统中的应用研究

首次将人工神经网络应用于电机设计专家系统。根据电机设计的特点,提出了用基于神经网络的类比法确定电机的主要尺寸。同时采用了带有可调参数的多层神经网络,并对ＢＰ学习算法进行了改进。实验表明,该方法是成功的。     

人工神经网络在变压器故障诊断中的应用

利用人工神经网络法对变压器的故障诊断进行探索，对比了用不同激励函数的神经网络的收敛性能，建立了故障诊断的神经网络模型，并对故障实例进行了诊断、计算结果证明了这些方法的有效性。     

人工神经网络及其在电力系统中的应用

近年来神经网络研究的重新崛起,在学术界引起雪崩式的连锁反应,成为学术史上少见的奇特现象。本文对人工神经网络的发展历史进行了评述,较详细地分析了典型的人工神经元模型和神经网络模型,介绍了国外在电力系统安全分析和经济调度的应用研究,探讨了神经网络在电力系统规划中的应用,以期引起电力界同仁的关注。     

人工神经网络在发电量预测中的应用

运用人工神经网络方法,以湖北省某电厂特定时间及段发电量为样本,进行未来发电量预测分析,结果证明其预测精度较高,人工神经网络应用于电厂发电量预测有广泛的实际应用前景。     

人工神经网络技术在电力系统中的应用

电力系统是由发电、输电、变电、配电和用电等多个部分组成的复杂的非线性动态系统。应用传统方法分析电力系统常常存在诸多缺陷,而人工神经网络技术由于具有不可替代的优势,文中介绍了人工神经网络在电力系统故障诊断、智能控制、继电保护、优化运算以及负荷预测等方面的应用情况。     

人工神经网络在传动领域中的应用

从人工神经网络的统一描述及优越特性出发，论述其适用于传动领域的主要特征，概述了其在传动领域中的应用现状，并综述了作者的相关工作。     

人工神经网络在转子动平衡技术中的应用

在对人工神经网络和转子动平衡技术深入研究的基础上,提出了将神经网络技术应用于转子动平衡领域的方法。文中对网络拓扑技术应用于转子平衡领域的方法。文中对网络拓扑结构的确定以及学习样本数量,样本质量,学习误差等对网络性能的影响等问题作了深入的分析,得到了有实用价值的结论。     

人工神经网络在电力系统中的应用与展望

本文阐述了人工神经网络的基本特点和实现方法,对人工神经网络在电力系统中的故障诊断、智能控制、继电保护计算优化等方面的应用研究情况进行综述,对应用研究的不足及发展作了一定的分析和展望。     

人工神经网络在交流传动控制中的应用

综述和分析了人工神经网络在交流传动控制中的应用 ,提出了有待解决的问题 ,对今后的发展趋势进行了展望。     

基于人工鱼群算法神经网络的电力系统短期负荷预测

人工鱼群算法是一种新型的寻优策略,文中将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型.依据人工鱼群算法的神经网络,提出一种短期负荷预测的新方法,实践表明:该方法具有预测精度高、误差小的优点,是值得广泛推广的好方法.     

改进蝴蝶算法的神经网络天线建模

为提高天线建模效率,改变传统建模方法速度慢、效率低的问题,提出了一种用改进的蝴蝶算法(BOA)优化多层前馈神经网络(back propagation neural network, BPNN)的天线建模方法。首先,以多层前馈神经网络为基础网络,建立蝴蝶算法优化的BP神经网络,解决BP神经网络预测精度低的问题。其次,在蝴蝶算法中融入天牛须算法(BAS),用天牛须算法替代蝴蝶算法的局部寻优过程,减小蝴蝶算法的空间复杂度、解决蝴蝶算法易陷入局部最小值的问题,创建改进的BOA-BP神经网络对天线进行精准建模。设计实例表明,该网络的预测精度达到了99.60%,相比于传统的BPNN和未改进蝴蝶算法优化的BPNN,预测S₁₁的误差分别减少了47%和40.9%。此外,改进的BOA算法的运行时间相对于粒子群算法和遗传算法也分别减小了80.86%和82.79%,大大降低了网络运行的时间成本。综上,改进的BOA优化后的BPNN的建模精度和速度均得到了提高,验证了改进的蝴蝶算法作为一种新型神经网络优化策略的可行性和有效性。     

应用人工神经网络预测电力负荷

介绍了在批量处理时间序列情况下，BP神经网络辨识预测电力负荷的方法和步骤。网络成批训练，是权重矢量和偏导数矢量都同时与所有训练矢量的变化成正比地改变。由于采用附加动量项和自适应率等措施，克服了BP规则的局限性，加快了训练速度，增强了网络的泛化能力。在此基础上对某地区实际电力负荷进行了预测，取得了满意的结果。     

人工神经网络在无缝线路应力检测中的研究

人工神经网络通过借助数学和物理的方法从信息的角度对人脑神经系统进行模拟后建立数学简化模型,对复杂数学模型的非线性映射进行模拟,有相当高的精度。利用人工神经网络对铁路温度应力检测中的众多非线性参数进行人工神经网络建模,从而得出铁路温度应力的精确检测方法,并与X射线应力检测仪做对比实验,进行误差分析证明人工神经网络的可行性。分别对2个模型建模,第1个模型的特征向量选取的是巴克豪森噪声(MBN)信号峰-峰值、峰值、均方根、半峰宽、峰宽比。第2个模型的特征向量选取的是MBN信号峰-峰值、钢轨洛氏硬度、钢轨自有漏磁场梯度。通过对比实验以及误差分析判断各个应力相关因数对应力检测的贡献度,进一步提高检测精度。     

人工神经网络在锂离子动力电池管理中的应用

电动汽车的使用对锂离子动力电池组管理系统提出了更高的要求。在详细分析了人工神经网络理论的基础上,介绍了一种锂离子电池组管理系统的实施方案,对现有的电池管理系统在理论上进行了创新设计。人工神经网络技术简单直观,是研究锂离子动力电池的有力工具。     

一维卷积神经网络超宽带天线建模方法

为加快天线建模优化速度,提出了一种改进的一维卷积神经网络(1D-MCNN)模型。此一维神经网络的卷积核大小为2,将ReLU函数作为激活函数降低梯度弥散;利用Adam优化器与dropout技术结合,提高模型的特征学习能力和非线性函数逼近能力。本文使用1D-MCNN模型对超宽带微带单极子天线几何参数建模,以天线的8个几何参数作为特征输入,对天线的回波损耗值进行预测。实验表明,本文所提1D-MCNN模型与深层MLP网络模型、MLP网络模型、RBF神经网络模型相比,回波损耗值的平均误差分别减小了1.95%,120.27%,125.71%,拥有更高的准确度,预测能力更强,对优化超宽带天线建模可行且性能具有一定优越性。     

人工神经网络法预测MH-Ni蓄电池容量

MH Ni电池放电容量的预测和估计,是电池管理系统中一个非常重要的内容。某一状态下MH Ni电池的放电容量是放电电流、电压、温度以及过去电池充放电的历史等参数的函数。运用ANN方法,即人工神经网络方法,可逼近任何多输入输出参数函数的性能,预测了不同放电电流和电压下MH Ni电池放电容量的大小,结果表明,ANN方法有良好的实用性,可用来预测MH Ni电池的放电容量。     

线性响应模型与神经网络联合模拟降雨～径流过程

本文将简单线性（黑箱）模型与神经网络联合起来对降雨～径流过程进行了模拟,在早期大多数有关降雨～径流的神经网络研究中,往往将前期径流作为模型输入的一部分,而本文利用线性模型对径流的估算值代替前期径流作为神经网络输入的一部分,从而为资料稀缺流域降雨～径流关系的模拟提供了新的途径,研究结果表明该组合模型是可行的。     

基于神经网络参数辨识的洪水波特性研究

本文提出利用神经网络辨识扩散波参数的方法,探索从一种新的角度研究洪水波特性。应用实例表明该方法的模拟精度满足要求,模拟效果良好。说明建立的洪水波神经网络模型能较好地描述洪水波的运动规律。     

基于ANN的变电站故障诊断系统及其容错性

介绍了基于人工神经网络 (ANN)方法的变电站故障诊断的系统 ,并对其容错性进行了研究 ,该系统充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点 ,实现对变电站故障元件的诊断。仿真结果表明 ,本系统不仅能在输入信息正确的条件下准确地诊断出故障元件 ,而且在输入信息不完整或少部分信息错误的情况下 ,仍能给出满意的诊断结果。