基于神经网络的三相电缆故障预测定位系统

为实现三相电缆故障准确定位,在大量实测数据的基础上,用L-M数值优化改进的BP算法建立了复杂非线性电缆故障预测定位系统输入信号与故障距离之间的数学模型,设计了基于BP神经网络的电缆故障预测定位系统,实现了三相电缆短路或接地故障的预测定位功能。仿真结果表明,故障距离的预报误差在指定范围内,预报精度可靠。     

基于自适应神经网络集成的电子设备故障预测方法

为了实现装备的主动维修,针对电子设备故障预测问题,提出了一种基于自适应神经网络集成(ANNE)的电子设备故障预测方法。首先利用FCM 聚类算法生成个体网络训练样本,从而确定了神经网络集成的规模。ANNE 根据故障序列样本与个体网络训练样本的相似度动态调整权值,自适应神经网络集成根据装备故障历史数据建立故障预测模型,根据当前时间预测故障间隔时间。仿真实例证明,该方法对平稳的故障间隔时间数据进行故障预测的精度较高。     

三相电缆真故障点的计算

在分析了目前电桥法探测电缆故障点方法的特点及其存在的问题之后．提出了一种精度高、使用范围广、易于实现的探测电缆故障点的单片机电桥法，并给出了模拟电缆的实验结果。     

基于遗传神经网络的航空装备故障预测

为在武器系统故障发生前实现预测、实现装备的视情维修,开展基于遗传神经网络的故障预测技术研究.采用实数编码方式和自适应的交叉率、变异率改进遗传算法,并将改进遗传算法用于神经网络的权重学习得到遗传神经网络.利用监测到的装备特征参数数据进行网络训练,然后将遗传神经网络预测装备特征参数的退化趋势.预测实例表明遗传神经网络可在故障发生前实现故障预测,较基本神经网络有较大性能改善,可提高武器装备的保障能力,实现视情维修.     

一种基于神经网络的网络设备故障预测系统

引入基于状态的维修技术,构建了基于多状态的在网运行设备故障预测模型.根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络.该模型解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力.     

基于神经网络建模的预测控制

预测控制具有多步预测，滚动优化和在线自适应校正等优点，文中提出了用神经网络方法建立预测模型，将其应用到了润滑溶剂脱过程并取得了有效的仿真结果。     

基于改进广义回归神经网络的雷达故障预测

针对目前雷达故障预测存在的问题,提出了一种基于遗传算法(GA)的广义回归神经网络(GRNN)模型.该模型以前10个时刻的雷达状态为输入,以下一时刻状态及其变化速度为输出;利用遗传算法对网络平滑因子以及网络结构进行优化,以均方差(MSE)最小构造适应度函数.仿真结果表明,所提出的GRNN模型预测值与计算值的偏差系数2.62%,期望偏差率2.07%.     

电缆故障检测系统

针对多芯电缆的常见故障,设计一种利用单片机8051为核心的故障检测系统,可检测多芯电境常晃故障并迅速、准确定位故障点。     

双向LSTM神经网络的航空发动机故障预测

准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失。根据航空发动机传感器数据特点,提出一种基于双向长短期记忆（LSTM）神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络模型设计、训练与测试,得到在多种工作条件和故障下具有较强泛化能力的神经网络预测模型。使用C-MAPSS数据集对模型进行仿真验证,所提出的双向LSTM故障预测模型通过与RNN、GRU、LSTM时间序列模型对比,误差下降33.58%,得到更高的预测精度,非对称评分下降71.22%,具有更好的适应性。     

浅谈电缆故障的探测及解决方法

人们对于电缆故障的认识往往是高压和低压电缆混淆在一起的,认为都是电缆,只要电缆发生故障以后,不管是高压电缆还是低压电缆,都采甩传统的高压冲击网络法来测试故障。这种方法一直沿甩到现在,而且已被大家认可。该文介绍了电力电缆故障探测工作中,常用的几种探测方法及解决方法探讨。     

电缆常见故障分析及故障探测方法

分析电缆故障对井下安全生产至关重要。阐述了常见电缆故障,包括电缆短路和电缆漏电,分析其形成的原因,提出及时实现电缆故障的探测方法。     

浅谈电力10KV电缆线路预防故障措施

城市输电线路采用电力电缆的比例越来越高,电缆及其附件的安装质量和防护存在的缺陷势必引发电缆故障,文章以现场生产为实例,总结了10KV电缆线路故障的主要原因及其预防措施。     

电缆故障原因分析及检测方法

本文分析了电缆比较常见故障发生的原因,并简要阐述了查找电缆故障点的检测方法。     

浅谈10kV电缆故障及测试方法

随着国民经济的高速发展,电力需求越来越大,架空线逐步被电缆替代,电缆用户及涉及的领域也越来越广泛,而随之而来由于电缆故障造成的经济损失和社会影响也增大,特别是隨着城市化建设步伐的加快,如城市道路的改造,修建地铁等土建施工中损坏电缆的事件时有发生,因电缆故障导致的停电屡见不鲜。由于电缆深埋地下,故障点不易发现,因此查找故障点。     

基于神经网络的预测控制模型研究

本文研究基于生产过程输入输出数据建立系统的神经网络模型问题，训练好的神经网络可作为预测模型，实现非线性系统的预测控制；这对一大类过程控制系统的建模与控制具有启发意义。     

浅谈10kV电缆故障及测试方法

随着国民经济的高速发展,电力需求越来越大,架空线逐步被电缆替代,电缆用户及涉及的领域也越来越广泛,而随之而来由于电缆故障造成的经济损失和社会影响也增大,特别是随着城市化建设步伐的加快,如城市道路的改造,修建地铁等土建施工中损坏电缆的事件时有发生,因电缆故障导致的停电屡见不鲜.由于电缆深埋地下,故障点不易发现,因此查找故障点.     

基于单端行波法的电缆护层故障定位研究

提出一种新型电缆护层故障测距方法,它是利用单芯电缆发生单相护层接地故障时产生的暂态电流行波进行实时的故障定位,称之为单端行波法故障定位;对电缆进行相模变换,分析电缆故障时行波的传播特点,根据此传播特点提出电缆波速现场测试的方法,通过选择合适的模量进行故障定位;最后通过PSCAD/EMTDC仿真分析验证了该方法的正确性。     

一种基于模糊神经网络的变压器故障检测

阐述了基于模糊神经网络变压器故障检测的方法及数学模型．从传统的ＢＡＭ 网络入手,结合模糊理论,根据变压器油的气相色谱分析,运用基于模糊Ｈｅｂｂｉａｎ 学习律的模糊联想记忆（ＦＡＭ）,进行变压器故障类型和严重程度检测的方法步骤．模型算法分为两个步骤：激励阶段和冲突解决阶段．试验表明,该方法精度较高,应用方便．     

城市配电网电缆故障诊断研究

电缆在配电网中的的使用越来越多,供电系统内部电缆出现问题的几率会变大.基于此,以电力电缆故障诊断为研究对象,采用小波奇异熵算法对电缆故障原始信号进行故障特征量提取,然后采用神经网络辨别电缆故障类型.仿真结果表明本方案能够准确辨别出故障类型,具有较高的精准度.     

一种基于神经网络的时序建模预测方法

ＢＰ学习算法是处理非线性优化问题的一种新方法,本文系统地分析了一些对建立时序预测模型产生影响的因素,设计了一个优化的雨网络训练方法。