基于遗传算法的WANN的汽车发动机故障诊断分析

利用基于遗传算法的全局优化能力,小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点.结合三者的特点,提出了一种基于遗传算法、小波与神经网络的汽车发动机故障诊断方法,应用汽车发动机的故障数据作为实例验证,GA-WANN模型诊断速度快,鲁棒性好,故障诊断正确率高.     

低压永磁真空断路器的控制及通信设计

在分析单稳态永磁操动机构的真空断路器结构特性和工作原理的基础上,综合微处理器技术、电器技术和通信技术,研究了永磁真空断路器的智能化控制模块的总体设计结构。分析了智能化低压永磁真空断路器Modbus、Profibus—DP现场总线的硬件结构和通信原理,探讨了各自的通信命令格式及软件系统设计。实现了智能化永磁真空断路器的可选择性远程通信、监测与控制技术,对于提高智能电网供电水平、自动化程度和安全性具有工程应用价值。     

基于遗传算法的双E型永磁接触器仿真优化设计

在详细分析永磁操动机构模型和相关理论的基础上,给出了永磁接触器操动机构的设计方法。基于磁路法获得永磁操动机构的初始设计参数,建立永磁操动机构最优化模型。采用遗传算法并结合电磁场有限元计算方法求解该最优化模型,获得合理的设计参数,并研制了1台250A配双E型永磁操动机构的永磁接触器。试验结果表明,算法可实现永磁接触器的优化设计,大幅度提高产品的设计效率,验证了设计模型和算法的有效性与正确性。     

TPMS设计方案的思考

防止爆胎是汽车安全驾驶的一个重要课题,TPMS正是为防止爆胎而提出的。结合实际,简述了TPMS的基本原理、发展现状和趋势,以及TPMS的总体设计方案和主要部件的功能,并就器件的设计及选择提出若干思考。     

WNN在短期电力负荷预测中的应用

通过对小波神经网络和BP神经网络的结构和算法进行理论分析,并对实际电力负荷预测算例进行对比研究,结论证明小波神经网络本身适合对波动性的信号进行预测,而且在神经网络节点数目相同的情况下,小波神经网络比BP神经网络具有更高的预测精度,因此采用小波神经网络有利于减少隐节点数目。     

变结构组合预测方法在短期电力负荷预测中的应用

采用变结构组合预测方法建立短期电力负荷预测模型。变结构组合预测对多种预测方法进行整合,使得在不同的预测阶段,最优的预测方法发挥的作用最大,使预测精度大大提高。     

6-3-3并联机构物理样机结构优化

建立了6-3-3并联机构物理样机结构优化问题的数学模型,提出将有限元算法内嵌到优化算法中的优化模型求解思路.在ANSYS软件平台上,通过建立各零件参数化模型、定义设计变量、约束和目标函数等步骤,在其优化工具箱最终实现各零件结构参数的优化,为该机构物理样机的轻量化设计提供了理论依据.     

基于遗传算法和BP神经网络的短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络（BP）的短期负荷预测.从BP神经网络的理论入手,采用遗传算法优化BP神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.