基于趋势点状态模型的时间序列预测算法

针对传统的时间序列线性预测算法对时间序列的线性程度要求高,而非线性方法一般建模复杂且计算量大,提出了一种基于趋势点状态模型的时间序列预测算法.该算法无须考虑时间序列是否具有显著线性特征,通过序列间耦合度挖掘时间序列上的相似子序列,找出相对应的相似序列趋势点,建立趋势点状态模型并求出预测值.算法建模简单,复杂度较低.通过模拟实验,结果表明该算法性能良好,尤其对具有周期性的时间序列预测精度很高.     

基于SVM的信息化装备状态趋势预测方法研究

论述了支持向量机SVM(support vector machine)的分类和回归算法,并对SVM在信息化装备状态趋势预测方面的应用进行了可行性分析,指出了传统预测方法的不足和SVM的优点,展望了SVM在信息化装备状态趋势预测方面的研究前景.     

基于SVR算法的燃气轮机功率预测研究

对燃气轮机未来几小时的功率预测是跳闸等故障预警的关键,而国内该方面研究尚少。采用支持向量回归模型,并融合多变量预测,以提高预测的准确性。以某电厂燃气轮机运转的实际数据为例,设计多组对比实验,详细阐述了实验流程以及重要参数的选取方法,最终验证了该方法的有效性。     

燃气轮机在线状态建模与仿真研究

关于燃气轮机在线监测优化问题,状态监测对于燃气轮机的安全运行起着至关重要的作用。为了实现对燃机状态监测和性能评估的优化,应对燃机机组热力性能诊断、各部件性能精确预测。根据单轴燃气轮机的工作特点,进行系统建模,通过牛顿迭代法确定燃机各部件的共同工作点,实现对各种运行状态的监测和评估,并针对某型燃机编制了状态监测和性能评估软件进行仿真。结果表明,运算收敛速度较快,得到的结果与型燃机运行数据趋势基本一致,满足燃气轮机在线状态监测的需要,可以投入工程应用。     

GA-BP算法预测滚动轴承退化趋势

故障预测是PHM技术中的关键一环,它是以装备当前的运行状态为起点,结合设备的运行状态参数、历史数据,依据数学模型,对采集到的数据进行分析,结合装备自身运行规律,判断装备在未来任务时间段内是否会出现故障.在BP神经网络预测算法对滚动轴承退化趋势预测基础上,结合遗传算法对BP神经网络参数优化后进行预测,同时与粒子群算法优化BP网络参数后的预测结果比较,验证了所提方法的有效性.所提方法的研究思路是基于滚动轴承退化状态划分的退化趋势预测,根据滚动轴承全寿命周期振动数据特点,划分轴承退化状态,选取退化效果明显且退化时间较长的数据进行趋势外推.研究的创新点在于提取轴承时域、频域指标后,采用相关系数理论选取和轴承剩余寿命强相关的时域特征指标作为输入数据,频域特征指标作为输出数据,建立时域指标与频域指标的对应关系,通过预测频域特征值指标的变化趋势反映出轴承的退化趋势.     

基于灰色预测的直升机齿轮箱状态预测方法

作为直升机上重要的关键部件,直升机齿轮箱能够将动力转换为动力输出形式,从而满足不同形式下动力的需要;针对直升机齿轮箱状态无法准确预测的技术难题,将灰色系统理论中的灰色预测方法运用到直升机齿轮箱中,有效解决了齿轮箱使用状态难以准确预测的技术难题;首先对采集到的直升机齿轮箱的不同的振动信号进行特征提取,然后采用信息融合技术,将不同振动信号的特征值进行融合,最后运用灰色预测方法对直升机齿轮箱的使用状态进行预测;文中对所提出的方法进行了试验验证,结果表明,所提出的基于灰色预测的直升机齿轮箱状态预测方法能够实现对直升机齿轮箱的状态准确预测的效能,并对其他航空设备以及机械设备的状态预测具有一定的借鉴意义。     

基于Elman神经网络的燃气轮机功率预测方法研究

预测燃气轮机未来的功率变化趋势对故障预测非常重要。针对燃气轮机故障预测的问题,提出了一种基于Elman神经网络的功率预测方法。以某电厂燃气轮机的实际数据为例,选取与功率变化最相关的属性。通过对比实验,采取合适的预处理方法,确定神经网络模型的输入,设置合适的隐含层神经元个数,从而建立了基于Elman神经网络的燃气轮机功率预测模型。最后通过与反向传播(back propagation,BP)网络、径向基函数(radial basis function,RBF)网络进行比较,验证了该方法的有效性。     

预测状态表示模型的复位算法

预测状态表示(Predictive State Representations,PSRs)是用于解决局部可观测问题的有效方法.然而,现实环境中,通过样本学习得到的PSR模型不可能完全准确.随着计算步数的增多,利用PSR模型计算得到的预测向量有可能越来越偏离其真实值,进而导致PSR模型的预测精度越来越低.文中提出了一种PSR模型的复位算法.通过使用判别分析方法确定系统所处的PSR状态,文中所提算法可对利用计算获取的预测向量复位,从而提高PSR模型的准确性.实验结果表明,采用复位算法的PSR模型在预测精度上明显优于未采用复位算法的PSR模型,验证了所提算法的有效性.     

基于改进决策树的电力通信设备状态预测算法研究

电力通信网络的快速增长,传统被动响应的事后运维模式迫切需要向分析预测的事前运维模式转型。论文在深入研究典型决策树理论的基础上,针对电力通信设备运行状态的关联特性,提出了一种改进的决策树学习算法,通过借鉴粗糙集理论对决策表属性的约简、求核与泛化过程,最终构造出一种多变量的决策树。通过算法仿真,该方法构建的决策树结构更为简化和合理,大大降低了计算量,提高了预测分析效率,为电力通信的运维提供了一种快速、简捷的通信设备状态预测方法,克服了经典决策树算法的不足,具有一定的实用性。     

燃气轮机速度调节过程的仿真研究

该文针对燃气轮机半实物仿真系统的特点 ,根据惯性容积思想建立了非迭代的燃气轮机模块化仿真模型 ;对半实物仿真系统中的物理部件速度调节器特性进行了实验研究 ,根据物理部件的特性 ,建立了相应的物理部件仿真模型。在EASY5仿真平台上将燃气轮机各模块和速度调节模块组装 ,对影响燃气轮机速度调节过程的各个因素进行了仿真分析 ,仿真结果和实际过程有较好的一致性 ,从而为物理部件与模型模块的连接提供参考和依据     

基于粗糙集和神经网络的煤矿瓦斯预报方法研究

瓦斯灾害监测数据是煤矿瓦斯监控和预测的基础;采用现代信息处理技术和人工智能理论对每个监测平台的多传感器检测数据,主要包括井下温度、通风景、瓦斯浓度等进行挖掘、分析、处理、综合,提取出瓦斯灾害征兆信息,并用特征矩阵表示这些征兆信息;在利用最大熵方法进行特征提取的基础上,对多源数据进行多平台信息融合,提出粗糙集和神经网络融合算法,实现了煤矿瓦斯数据预报方法,增加了矿井状态监测置信度,提高了环境监测的准确率,具有实际应用意义.     

计算机监控技术在舰用燃气轮机中的应用

介绍了一种先进的舰用燃气轮机数字电子监控系统 ,较详细地分析了其软硬件结构 ,阐明了其技术特点 ,展望了其发展趋势。     

数据驱动的燃气涡轮机跳闸预警方法的研究

燃气涡轮机已被广泛运用于现代工业中,其跳闸事件的发生将产生巨大的经济损失,因此,对燃气涡轮机的跳闸事件进行预测有重要的经济意义.然而,燃气涡轮机跳闸的预测研究是一个崭新的领域,研究成果非常有限,且缺乏数据驱动的预测方法和理论研究.从数据的预处理开始,研究了从数据的归一化、特征选择到特征值选择、特征值粒化等系列问题,并从各个角度设计了Elman神经网络的预测模型实验,对实验结果进行对比,得到了一系列建立并改善数据驱动的Elman网络跳闸预警系统的方法和有益经验,以供其他相关研究参考.     

基于MPSO-RBF的瓦斯涌出量预测研究

我国煤矿的重大灾害事故中70%以上是瓦斯事故,煤矿瓦斯是影响煤矿安全生产的重要因素;针对瓦斯煤尘爆炸和煤与瓦斯突出给煤炭矿山带来的危害极大的问题,引入了基于改进PSO算法的RBF神经网络的混合优化算法(MPSO-RBF算法),即将PSO算法的全局搜索能力和RBF神经网络局部优化相结合,并建立了瓦斯预测模型;仿真与实际数据验证表明,优化算法所求的最优解具有良好的收敛能力,瓦斯涌出量的预测结果与实际值的误差在+1.44%至-0.63%之间,改进的粒子群算法优化的RBF神经网络对瓦斯涌出量预测能达到良好的效果。     

三轴燃气轮机的数学模型及其动态特性的分析

本文以船用三轴燃气轮机为研究对象,建立了详细的动态数学模型.文中提出了以非稳态工况为小偏差线性化的起点,每一小步都以前一步所达到的非稳态工况为起始零点,用非稳态变工况的方法进行校正,不断更换所有方程中的系数值的计算方法.从而,用小偏差的线性数学模型,进行适当修改后,可以用来求取非线性系统在大扰动下的过渡过程.这对调节系统的设计、参数选择和现场调试是一个有用的工具.按上述方法编制的计算机程序有较大的通用性,能用于不同类型的燃气轮机,不仅能求得大、小扰动的过渡过程,也能用于求解稳态变工况的参数.     

海洋极端天气现象预测方法研究进展

海洋极端天气对沿海地区影响重大。研究人员利用海洋大数据,结合深度学习算法,在海洋极端天气现象预测方面取得了重要进展。本文首先以典型的多尺度海洋极端天气现象——厄尔尼诺、台风及短临降雨为例,介绍了近年来主流的海洋极端天气现象预测算法,即基于模式计算的方法和基于人工智能的算法。然后分析了海洋极端天气现象智能预测的挑战和机遇,详细总结了各类方法的研究进展,并且通过数据和实验讨论了现有算法的优点和不足。最后展望了基于海洋大数据的海洋极端天气现象智能预测的发展方向。     

燃气涡轮发动机试验数据确认概念研究

本文介绍了燃气涡轮发动机地面试验数据确认系统研究与应用现状,详细阐述了基于试验系统物理模型的解析冗余检验相关多传感器信号有效性方法和基于信号序列统计与时频特征分析单传感器通道信号有效性的方法,提出了系统研究框架。     

燃气涡轮发动机试验数据确认概念研究

本文介绍了燃气涡轮发动机地面试验数据确认系统研究与应用现状,详细阐述了基于试验系统物理模型的解析冗余检验相关多传感器信号有效性方法和基于信号序列统计与时频特征分析单传感器通道信号有效性的方法,提出了系统研究框架.     

一种基于DE-ENN的烟气轮机运行状态潜在风险识别方法

针对烟气轮机在运行中潜在风险难以快速准确识别的问题,提出了一种基于差分进化-可拓神经网络（DE-ENN）的风险识别方法．该方法根据可拓学的基本理论对烟气轮机的运行模型进行拓展分析,构建物元模型,确定特征向量和潜在风险等级;接着将差分进化思想引入到可拓神经网络中,以解决学习速率和加权系数难以确定的问题,进而提出了完整的DE-ENN算法,并用UCI标准数据集进行测试,验证了该算法的有效性．最后将该算法应用于烟机运行模型的潜在风险识别,实验结果表明该方法不仅结构简单、运行时间短、预测准确率高,而且还具有出色的泛化能力．