基于神经网络的柴油机燃烧系统故障诊断

根据柴油机在不同状况下燃烧过程中气缸的压力波动情况进行了模式分类。柴油机的缸盖振动与气缸的压力波存在一定的对应关系,但这种对应关系通常难以确定。作应用柴油机缸盖在爆发段的振动信号,经过Hilbert变换,然后应用小波的Mallat算法进行变换,取小波变换后的三阶近拟波形来模拟对应气缸内的压力波动,最后应用神经网络方法对变换后的信号进行燃烧状况的模式识别,给出诊断结果,为柴油机的故障提供了一种新方法。     

基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

基于ACFOA优化RBF的短期风电功率预测

为了提高短期风电输出功率预测的准确度,在分析研究基本预测方法的基础上,提出采用一种自适应混沌果蝇算法(ACFOA)优化RBF神经网络的预测方法。该方法中引入自适应混沌对果蝇算法的进化机制进行优化,并利用ACFOA算法改善RBF神经网络结构参数以提高网络的泛化能力,同时对某风电场的历史数据进行验证分析。仿真结果表明,相比于PSO-RBF预测方法,采用提出的预测模型能有效减少较大误差出现的频率,大幅度提高风电输出功率预测的准确度。     

柴油机TR燃烧系统的试验优化

在一台单缸135柴油机上对柴油机TR燃烧系统的性能进行了试验优化.首先在TR燃烧系统中燃用柴油乙醇混合燃料,结果表明排气烟度值降低,排气温度降低,但NOx浓度有所上升.另外,烟度值在小负荷工况下明显较高,高负荷时较小.其次研究了喷油嘴孔径对燃烧系统的影响,结果表明中心喷孔的直径较大时,发动机排气烟度增加.最后对启喷压力进行了优化,当启喷压力提高到25MPa时,发动机小负荷工况下排气烟度值减小;当供油提前角为13°CABTDC时,发动机在标定工况下排气烟度和NOx浓度都很低.     

基于遗传算法的直喷式柴油机燃烧系统参数优化分析

应用CFD软件Fire对直喷式柴油机缸内工作过程进行了多维仿真研究,在前期正交设计优化的基础上,进一步选取涡流比、喷油压力、喷油提前角和油束夹角4个参数,以动力性为优化目标,应用遗传算法进行了全局优化。研究结果表明:正交设计优化和遗传算法优化均能大幅度改善原型机的燃烧过程和性能,其指示功率分别比原型机提高了10.3%和11.1%;与正交设计优化方法相比,遗传算法优化结果燃烧持续期更短,燃烧效率更高。     

某四缸乘用车柴油机燃烧系统的设计优化

介绍了长城汽车研发的一款高性能"2.0VGT"柴油发动机燃烧系统的设计优化过程,通过模拟计算发动机整个工作过程,对进排气系统和进气道形状、气流运动形式、喷油器喷雾特性、燃烧室形状进行多方案优化选型。研究不同工况下,喷油规律(次数、喷油间隔、每次喷油量、喷油时刻)、喷油器特性(喷孔数量、喷孔直径、喷油压力、喷油锥角)的喷雾特性(油滴细化程度、贯穿度)对发动机性能、排放和油耗的影响规律。并对发动机实现国Ⅴ排放要求,对所需要的喷油系统特性及燃烧室形状进行研究。     

柴油机燃烧系统最优化动态辩识

本文提出一种工程上可实现柴油机最佳放热规律的研究方法，即以零维工作过程计算为基础，将柴油机整个工作过程当成一个动态的热力学系统，由整个动态系统的最优匹配来辩识燃烧子系统的最优动态响应，获得柴油机的最佳热效率及最佳经济性与动力性，从而为有现机型的改进潜力找到一种全新的判断方式，同时，应用这种方法，对某一中速大功率柴油机进行了实例优化计算。     

柴油机燃烧系统优化的一种新方法

提出了柴油机燃烧系统参数优化的一种新方法——神经网络与正交试验结合法。这种方法以较小规模正交试验数据为神经网络的训练样本,利用神经网络良好的非线性映射能力来进行燃烧系统优化性能预测,达到了与大规模试验相同的优化效果,具有试验量少、效果好的优点     

基于RBF神经网络的梯级电站优化调度规则研究

由于天然径流的随机性使梯级水电站基于确定性来水的优化调度结果难以直接指导实际生产,采用RBF神经网络法研究梯级电站优化调度规则,以梯级电站长系列优化调度结果为依据,建立基于RBF神经网络的调度函数模型,将其应用于大渡河下游梯级电站的联合调度运行,并与基于BP神经网络的调度函数模型进行综合对比。结果表明,RBF神经网络模型能更准确地映射优化调度过程中各变量间的数值关系,提升了调度函数的拟合精度,可更好地指导梯级电站的实际运行。     

基于RBF神经网络的柴油机气缸压力重构研究

基于RBF神经网络方法,研究了柴油机气缸压力的重构方法,试验结果表明该方法的有效性.     

基于RBF神经网络的厂修舰船柴油机状态判断技术

利用柴油机爆压、排温、振动噪声等参数,建立了RBF柴油机技术状态识别网络,以大量维修实践中得到的样本进行网络训练,检验结果证明该网络町实现柴油机技术状态判断,取得了预期的效果.     

基于RBF网络的柴油机非线性建模

根据在柴油机试验中得到的输入和输出数据，基于RBF神经网络，建立了描述柴油机动态性能的非线性神经网络模型。提出了一个改进的自组织网络(MSOM)，可以根据柴油机输入输出数据的空间分布和给定的逼近误差自动选择RBF网络的中心。RBF网络的权重用最小方差方法估计出。仿真结果表明，该非线性的神经网络模型可以准确地描述柴油在整个工作范围内的动态性能。该模型将被用于柴油机控制系统的性能分析和控制方案设计中。     

396柴油机燃烧系统解析

通过三维仿真,进行396柴油机燃烧过程机理的研究,以明确燃烧系统设计参数对燃烧过程的影响规律,探索微观机制,为大功率柴油机燃烧系统的设计提供理论依据.     

基于SOM神经网络的柴油机燃油系统故障诊断

利用神经网络的非线性映射,及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断。利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取。根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断。通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性。经实例分析证明,该方法可对故障进行有效诊断。     

PSO RBF神经网络在城市需水量预测中的应用

为克服径向基函数（RBF）神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法（PSO）的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。     

基于RBF神经网络的面状水体识别模型及其应用

针对面状水体识别过程中面状水体数据特征不宜提取、伪洼地易与面状水体混淆的问题,通过分析面状水体的面积、深度和潜在出水口等基本DEM数据特征,构建了面状水体识别模型,并将面状水体的三个数据特征和面状水体识别模型的计算结果作为输入输出神经元,利用RBF神经网络对建立的面状水体识别模型进行了仿真验证。从全国1∶250 000 DEM数据中选取150组洼地数据作为样本数据,采用减聚类算法对RBF神经网络进行训练,训练时样本的最小平均相对误差为2.75%,仿真的准确率为98%,表明面状水体识别模型可解决面状水体和伪洼地难以区分的问题,并提高了面状水体识别的准确率。     

基于蚁群算法的神经网络在发动机故障诊断中的应用研究

BP算法在神经网络中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。而蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、全局收敛、启发式学习等特点。将蚁群算法和神经网络结合起来，应用于发动机故障诊断中，可以提高运算效率，具有广阔的应用前景。