RBF神经网络在高加故障诊断中的应用

提出了径向基函数神经网络(Radial Basis Function Neural Network,简称RBF网络)应用于高加故障诊断的基本方法。利用Matlab神经网络工具箱对高压加热器进行故障诊断,并分别创建RBF神经网络与BP神经网络来进行故障诊断,根据诊断结果的综合对比,证明了RBF神经网络在诊断速度、诊断精度上均优于BP网络,说明RBF网络应用于高加的故障诊断准确、可靠,在机械故障诊断方面具有广泛的应用前景。     

基于径向基函数网络的大型电力变压器故障诊断

研究了径向基函数（RBF）神经网络的模型结构及其在电力变压器故障诊断中的实现方法,介绍了变压器故障诊断的RBF模型.通过故障诊断及仿真实例分析,将RBF网络与BP网络的性能进行比较,得出RBF神经网络训练速度快、逼近误差小、能够更有效地解决电力变压器故障诊断问题的结论.     

神经网络在汽轮机转子故障诊断中的应用研究

针对汽轮机转子在运行过程中出现故障的几率较高且危害较大,传统诊断方法费时费力的问题,建立BP神经网络及RBF神经网络转子故障诊断模型,通过实例对转子故障进行诊断,结果表明BP神经网络和RBF神经网络诊断与转子揭缸检查一致,但BP神经网络比RBF神经网络对转子的故障诊断精度更高,可为转子检修及安装设计提供了参考。     

基于RBFNN的高压输电线路故障诊断

本文在对电力系统故障诊断方法进行分析的基础上,利用径向基函数(Radial Basis Function-RBF)网络适合于求解模式识别问题的优势,提出了应用RBF神经网络(简称RBFNN)来实现高压输电线路的故障诊断,建造了基于RBFNN的高压输电线路故障诊断模型结构,并且给出了确定RBF网络最佳聚类数的标准.仿真分析及容错性测试结果表明,本文所提方法能有效地实现高压输电线路系统的故障诊断,而且在网络的训练速度以及对因干扰而畸变的输入信息情况的容错能力方面都优于传统的BP神经网络,对实时信息处理系统具有一定的适用性.     

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。     

用HCM聚类算法RBF网络诊断输电线路故障

在分析高压输电线路故障诊断方法的基础上,利用径向基函数(RBF)网络适于求解模式识别问题的优势,建造了基于RBF网络的高压输电线路故障诊断模型结构,来实现高压输电线路的故障诊断。同时采用基于优化原理的HCM算法实现聚类过程,来确定RBF网络的隐含层节点数,使网络的利用效率较高。仿真分析及容错性测试结果表明,该法能有效地实现高压输电线路系统的故障诊断,且在网络的训练速度及对畸变输入信息的容错能力方面都优于传统的BP神经网络(BPNN),对实时信息处理系统有一定适用性。     

基于RBF神经网络的铁水硅含量预报模型

文章利用RBF神经网络的全局搜索能力，结合梯度学习算法和专家系统，建立了高炉铁水硅含量预报RBF神经网络模型。该系统解决了BP神经网络局部的收敛，学习时间过长的问题。实际应用表明，该系统可以提高硅含量预报命中率，为高炉操作提供指导。     

BP和RBF神经网络的实现及其性能比较

本文介绍了2种应用颇为广泛的神经网络模型,BP及RBF神经网络的基本理论,并从数学角度阐述了2种算法的学习过程,其后简要地阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较2种网络的性能差异,最后在MATLAB环境下设计了具体的网络来对指定的非线性函数进行函数逼近.仿真结果表明,RBF的泛化能力在多个方面都优于BP网络,但是在解决具有相同精度要求的问题时,BP网络的结构要比RBF网络简单,因此在实际应用中可以此来指导神经网络的设计.     

用RBF网络进行电力变压器局部放电故障诊断

用径向基函数(RBF)神经网络对变压器局部放电的6种放电类型进行了模式识别。研究结果表明,无论是放电的二维谱图还是三维谱图,RBF网络的学习收敛速度、识别率较BP网络都有很大的提高,同时避免了BP网络对初始权值敏感、陷入局部极小等问题,可作为电力变压器局部放电故障诊断的一种新型模式分类器。     

基于模糊RBF神经网络的高压断路器机构故障诊断

为了快速准确诊断高压断路器是否发生操作机构故障,文章提出了一种基于模糊RBF神经网络的高压断路器机构故障诊断方法。该方法首先分析高压断路器的分(合)闸线圈电流,提取时间和电流特征参数t_1、t_2、t_3、t_4、t_5、I_1、I_2、I_3,然后在RBF神经网络增加模糊化层,对特征参数进行相对模糊化运算,最后将模糊化后的特征参数输入到RBF神经网络进行故障识别、分类。该方法以ABB VD4高压断路器的88组实验数据为训练样本建立4种高压断路器操作机构的模糊RBF神经网络故障诊断模型,12组测试样本来验证其准确性,实验结果显示,模糊RBF神经网络高压断路器的故障诊断模型能够准确的诊断出故障类型,其准确率达到99%,具有良好的实用性。与基于模糊BP神经网络的故障诊断方法相比,该方法收敛速度快,训练时间短,均方差较小,为0.107 3。     

An on-line distributed intelligent fault section estimation system for large-scale power networks

In this paper, a novel distributed intelligent system is suggested for on-line fault section estimation (FSE) of large-scale power networks. As the first step, a multi-way graph partitioning method based on weighted minimum degree reordering is proposed for effectively partitioning the original large-scale power network into desired number of connected sub-networks with quasi-balanced FSE burdens and minimum frontier elements. After partitioning, a distributed intelligent system based on Radial Basis Function Neural Network (RBF NN) and companion fuzzy system is suggested for FSE. The relevant theoretical analysis and procedure are presented in the paper. The proposed distributed intelligent FSE method has been implemented with sparse storage technique and tested on the IEEE 14, 30 and 118-bus systems, respectively. Computer simulation results show that the proposed FSE method works successfully for large-scale power networks.     

改进型组合RBF神经网络的变压器故障诊断

提出了一种在逼近能力、分类能力、学习速度等方面都优于BP神经网络的径向基函数神经网络和组合诊断的概念,并将其应用到变压器DGA故障诊断中。在处理输入数据和改进训练方法后,组合RBF神经网络诊断变压器故障训练速度快、收敛精度高、诊断准确。     

基于人工神经网络的变压器励磁涌流的鉴别

研究了基于神经网络方法的电力变压器励磁涌流鉴别。对变压器励磁涌流及故障电流进行了数字仿真,比较了两者在物理特性上的区别。利用Matlab的人工工具箱,分别建立了BP和RBF神经网络模型,对励磁涌流和故障电流的样本进行训练及测试。结果表明,人工神经网络可以正确地区分励磁涌流和故障电流,RBF神经网络能更加快速、准确地判断出变压器的故障。     

配电网故障定位容错算法

非健全故障信息下故障区段的快速准确定位对于提高配电网供电可靠性具有重要作用。分析首端电压、电流量和短路回路等值电抗的关系,提出基于径向基函数(RBF)神经网络的短路回路等值电抗估计方法,仿真分析表明短路回路等值电抗估计结果受故障距离、过渡电阻的影响较小。然后,以馈线终端设备(FTU)故障信息和短路回路等值电抗为故障特征,应用改进的BP神经网络构建故障区段定位模型。对大量测试样本的分析表明,改进的BP神经网络建立的故障区段定位模型比极限学习机网络算法的定位精度高、泛化能力好,短路回路等值电抗能够辅助修正FTU故障信息的畸变,提高BP神经网络故障定位的容错性。     

电磁离合器电流的神经网络整定PID控制

针对电磁离合器驱动电路存在的非线性,及汽车运行时复杂环境使其应用传统的PID控制难以在控制参数整定上达到最优的问题,依据神经网络收敛速度快,全局逼近能力强的优点,提出了基于径向基函数(Radial Basis Function)神经网络整定PID控制电磁离合器电流的方法,在保留传统PID控制优点的同时,利用RBF神经网络对PID控制参数进行在线整定.仿真与试验结果证明,基于该方法驱动控制的电磁离合器电流动态效果与跟踪效果较好,抗干扰能力好于传统的PID控制,系统具有较好的自适应性.     

反馈式Hopfield神经网络在输电线路故障诊断中的应用

本文提出采用容错性能较高的Ｈｏｐｆｉｅｌｄ联想记忆神经网络来完成输电线路的故障诊断,建造了实现该问题的ＮＮ模型结构,并提出采用基于投影原理的伪逆学习算法。     

基于动态结构神经网络的涌流识别新方法

励磁涌流识别是变压器微机差动保护中的关键问题。在综合考虑多方面因素的前提下，提出了一种基于改进型动态结构神经网络的涌流识别新方法。其主要思想为在采用多层前向反馈传插BP（Back Propagation) 网络改进型训练算法（即在调整权值和阈值时，添加Rumelbart惯性冲量技术）的基础上，通过改变隐层的神经元个数使网络结构模型达到最优。仿真试验表明由该方法设计的模型进行涌流识别效果良好。     

火电厂实时监控系统测量数据预测的研究进展

分类介绍近年来国内外各种数据预测方法,重点论述各种人工神经元网络的数据预测应用情况,包括BP神经网络、Fuzzy神经网络、径向基神经网络(RBF)、自联想神经网络(AANN)、基于神经网络的偏最小二乘法(NNPLS)以及组合预测方法。针对火电厂测量数据的特点及实时监控系统的要求,可以考虑将NNPLS法运用在实时数据预测方面,利用其应用简单、收敛迅速、估计值对噪声和坏点敏感度低等优点提高预测的效率和精度。     

两种基于神经网络的故障诊断方法

复杂设备或系统的故障诊断中常采用神经网络构建故障映射关系，针对实际应用中神经网络存在收敛速度慢、学习记忆不稳定等不足，以一电站锅炉送风机为诊断对象研究了基于带有偏差单元的递归神经网络故障诊断方法。对状态检测系统采集的信号进行逻辑处理，分离出8个故障特征参数。以8种常见故障模式作为BP网络和递归神经网络的训练样本，对训练过程和仿真结果作了对比分析，结果表明该诊断方法在收敛速度、精度和稳定性能等方面均有良好改善，满足了系统在线故障诊断的需求。     

基于遗传算法的神经网络在发电机定子超高频局部放电模式识别中的应用

介绍了发电机定子局部放电高频在线监测系统的结构特点及对局部放电特征的提取,应用BP算法、自适应遗传算法AGA和AGA—BP神经网络对发电机定子超高频局部放电的三种放电类型进行了模式识别。结合AGA和BP算法各自的优点,构造了AGA—BP混合算法作为神经网络的学习算法。实验结果表明,AGA—BP神经网络解决了BP神经网络对初始权值敏感和容易局部收敛的问题,提高了AGA神经网络的收敛速度、稳定性和求解质量。