基于CEEMDAN-MFO-RBF的风电功率短期预测

文中提出一种基于自适应噪声完整集成经验模态分解与飞蛾扑火算法优化径向基神经网络的短期风电功率预测方法.首先,利用自适应噪声完整集成经验模态分解对风电功率信号进行分解,以获得不同时间尺度的固有模态函数分量和剩余分量,该方法相较于经验模态分解与集成经验模态分解具有更好的收敛性和完整性.其次,利用飞蛾扑火算法优化径向基神经网...     

基于小波包频带能量特征的包络分析在滚动轴承故障诊断中的应用

经典的小波包迭代算法会由于小波包分解过程中的隔点采样而发生频率混叠现象。采用小波包移频算法,以1^#、2^#、3^#这3个406滚动轴承（其中1^#轴承工作正常,而2^#、3^#轴承工作状态未知）进行分析。通过小波包分解提取了这3个轴承振动信号的频带能量特征,初步判断2^#、3^#轴承的工作情况。基于此,再选择合适的频带进行小波包重构,并经Hilbert变换实现包络检波,这样轴承发生故障时的高频共振信号就实现了包络解调。再通过对振动包络信号进行频谱分析就可以对轴承的故障类型作出判定。     

基于粒子群优化的神经网络预测模型

传统的BP神经网络训练算法,导致训练时间长且易于陷入局部极小点.本文将粒子群优化算法用于神经网络预测模型的学习训练.实验结果表明,基于粒子群优化的神经网络学习算法更易于实现,且能更快地收敛于全局最优解.     

基于特征系统实现算法的嵌入式桥梁远程索力检测系统

设计了一个基于模态分析技术的嵌入式索力检测系统.其选择使用具有较好性能及计算精度的特征系统实现算法识别拉索的各阶模态频率,并利用基于频域平滑的重采样技术和随机减量技术对振动信号预处理以得到自由响应信号;基于ARM芯片和Linux平台,使用嵌入式J2SE技术开发实现了监测系统,并进行了实际工程应用测试.结果表明:在嵌入式系统中实现的预处理算法和特征系统实现算法能够较精确地识别出大多数情况下拉索振动信号的基频值,并据此计算出索力值,设计的嵌入式索力检测系统具有有效性和实用性.     

基于模糊理论的汽轮机故障诊断

针对汽轮发电机组的单一故障诊断的局限性,对现有的故障进行分析和比较.根据振动信号的基本原理,应用了综合模糊诊断的方法对汽轮机的六种常见故障进行诊断.首先由不同故障在不同特征倍频的比例关系得到故障的模糊矩阵,分段对故障振动信号求隶属度,再与故障的模糊矩阵相乘即可求出各故障的隶属度,并用Minkowski距离公式计算隶属度距离大小,来判断诊断的准确性;最后提出模糊诊断的前景及存在的问题.     

基于小波包Shannon熵与GA-SVM的船舶轴系故障诊断方法

针对船舶推进轴系的振动问题, 基于小波包、Shannon熵、遗传算法(GA)和支持向量机(SVM)理论, 提出了一种船舶轴系故障诊断的新方法, 简称WPS-GS方法. 该方法依托船舶螺旋桨状态监测模拟实验平台, 利用小波包分解技术分析船舶轴系发生故障时的振动信号, 将其Shannon熵作为SVM的输入特征向量. 在训练SVM时, 采用遗传算法对SVM的参数进行全局寻优, 使SVM具有更高的识别准确率. 实验结果表明, WPS-GS方法对故障诊断的准确度和识别率较传统SVM和交叉验证SVM方法高, 适用于船舶轴系故障诊断.     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

基于改进粒子群算法优化BP神经网络的甜菜产量预测方法

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成N...     

求解自融资投资组合模型的量子行为的粒子群优化算法

为有效求解自融资投资组合模型,基于粒子群优化(particle swarm optimization,PSO)算法,提出了一种改进的量子行为的粒子群优化算法(LDQPSO).在算法的设计中,借助Levy飞行策略对粒子位置的迭代公式进行更新,用于提高算法的局部收敛精度和全局探索能力;针对迭代后期的早熟问题,引入了多样性的...     

基于参数优化元学习和困难样本挖掘的小样本恶意软件分类方法

在恶意软件分类中,针对新出现的恶意软件样本数量少导致分类准确性低的问题,提出了一种基于参数优化元学习和困难样本挖掘的方法.首先,将恶意软件反编译得到二进制文件,进而转化为灰度图.然后,使用参数优化元学习在多个任务上训练模型,获得浅层神经网络的初始化参数,并在此基础上,根据测试集中的少量任务来微调模型.同时,结合困难样本...     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于神经网络的结构损伤诊断的探讨

利用神经网络技术对框架结构的损伤位置和损伤程度进行了研究,用振动模态分析技术对组合结构、框架结构的动力参数进行计算,得出组合结构的各种单损伤情况和双损伤情况的各种组合的频率、竖向位移、水平位移变化数据,将这些数据和损伤位置、损伤程度之间的映射关系作为网络训练样本,用神经网络技术进行数值模拟,提出了修正隐含层节点数公式和优选振型向量的方法.说明了用低阶振型和经优选后的振型向量结合的方法进行组合结构、框架结构损伤诊断的可行性,并且用这个方法成功地解决对称结构难于判断对称损伤的难题.     

斜拉桥模拟试验平台的振动特性测试及分析

以宁波某跨海大桥为原型,结合桥梁激励系统、传感器、数据采集处理系统和拉索-阻尼减振系统,搭建斜拉桥振动试验平台,并模拟不同车辆载荷及行驶速度工况下的拉索振动响应试验;同时,分别利用液压阻尼器和橡胶阻尼器对斜拉索振动的抑制效果进行分析.结果表明,斜拉索振动幅度随车辆行驶速度、载重的增加而变大;橡胶阻尼器对长拉索减振效果明...     

盲信号提取的神经网络方法

采用神经网络方法，在对于混合矩阵的秩知道一些先验信息的条件下，对于检测信号少于盲信号的问题，从理论上给出了提取盲信号的充分与必要条件，根据这个条件，从检测信号中能够提取出某些盲信号，并具体给出了用于提取盲信号的神经网络的结构和提取方法。     

三态噪声诱导的无穷耦合粒子形成的系统随机共振现象

研究了无穷耦合粒子形成的系统耦合系数遭受三态噪声扰动时,系统所表现出的随机共振现象.首先,利用随机平均法和Shapiro-Loginov公式,得到了耦合粒子位置的一阶矩的精确表达式;其次,通过计算机模拟画出输出信号振幅与输入信号频率、系统参数、噪声参数之间的变化曲线;最后,从模拟曲线观察到系统不仅表现出了随机共振现象,甚至还出现了双共振峰,这在双态噪声诱导的无穷个耦合粒子系统中是没有的现象.     

k-means-RBF集成神经网络在工业尾气检测中的应用

神经网络是工业尾气检测系统的一个重要组成部分. 为提高神经网络的预测精度和收敛速度, 建立k-means-RBF集成神经网络模型. 首先, 通过选取不同的径向基函数神经网络参数, 得到一组RBF神经网络; 然后, 利用k-means算法对生成的RBF神经网络进行聚类, 并筛选出各类中精度较高的神经网络; 最后, 通过简单平均法对筛选出的神经网络进行集成, 得到高性能的k-means-RBF集成神经网络模型. 为验证模型有效性, 搭建基于k-means-RBF集成神经网络模型的工业尾气检测系统进行验证. 结果表明, 与粒子群算法优化后的Back Propagation (PSO-BP)神经网络模型相比, k-means-RBF集成神经网络模型的平均预测精度提高78.27%, 收敛时间节省99.65%     

汽车发动机智能故障诊断专家系统的开发

采用VB语言,根据诊断树理论,构造了一个基于神经网络的汽车发动机智能故障诊断专家系统．对故障树理论、神经网络的建立和系统的结构功能等进行了探讨．给出了工程应用的实例。