基于改进VMD和GRU的水轮发电机组振动故障预警

针对水轮发电机组受水、机、电等因素相互耦合,早期故障特征被电磁和噪声所淹没难以提取的问题,设计了一种基于改进VMD和GRU的水轮发电机组振动故障预警方法。首先,采用BES算法对变分模态VMD的参数进行寻优,得到最佳的分解层数、惩罚因子和模态个数,然后采用最优的VMD算法对水轮发电机组早期的振动特征进行提取,最后将早期的振动特征输入GRU神经网络预测算法进行训练、验证和测试。仿真结果和工程实例表明,该方法可以有效快速准确提取水轮发电机组的早期微弱振动特征,实现水轮发电机组的早期故障预警,具有较高的工程应用价值。     

基于EMD和Multi-fractal spectrum的BP水机故障诊断

为了准确判断水轮机组的故障,提高水轮机组诊断的精确性,建立了EMD-Multi-fractal spectrum和改进BP神经网络相结合的机组振动故障诊断模型.选取水轮发电机组不同工况下的轴系正常、轴承油膜涡动、转子部件不平衡、转子不对中等状态,采集各状态下的振动信号.经过经验模态分解得到振动信号波各种故障信号的EMD分量,根据信号波形趋势图由EMD系数提取出波形样本,再由多重分形谱算法提取波形样本的特征值alpha(q), f(q),将该特征向量作为BP神经网络的输入进行分类识别.将训练好的神经网络应用于全部样本,得到测试正确率为100%.该模型用波形提取信号特征代替了传统的频谱特性,并结合先进的多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路.应用信号采集于水电厂运行的水轮机,根据诊断的结果对轴系各个部件进行局部校正,通过检测发现振动和摆度都大大减弱.该方法提高了检测精度,增强了人机交互性,具有重要的理论意义和实用价值.     

基于PSO算法的径向基神经网络的研究与应用

人工神经网络简称神经网络也称之为连接模型,它是通过模仿动物体内神经网络组织作为基本特征,进行数据信息处理的一种数学模型方法,本文主要研究RBF神经网络模型、RBF神经网络的优缺点,探讨了PSO算法及对RBF神经网络改进后模型的应用。     

基于差分进化算法优化的RBF神经网络的发动机故障诊断研究

在RBF神经网络中采用差分进化算法来优化RBF神经网络的模型结构,并对其重要参数进行全局寻优。实例仿真结果表明,经过差分算法优化的RBF神经网络不仅相对BP网络学习收敛速度更快,而且提高了发动机故障识别的精确度,从而验证了此种方法的正确性和有效性。     

基于互信息的改进RBF神经网络预测模型及其应用

针对日径流过程随机性、非线性、模糊性等特点,吸取互信息变量相关性表征功能和RBF神经网络的非线性逼近能力,建立基于互信息的改进RBF神经网络预测模型。首先,利用互信息对神经网络输入变量进行筛选;其次,利用改进的最邻近聚类算法确定神经网络的隐含层个数和网络参数;最后,利用训练好的神经网络进行径流预测。以雅砻江流域沪宁水文站日径流为实例进行预测,结果表明:与单一RBF神经网络模型及其改进模型相比,基于互信息的改进RBF神经网络预测模型克服了原模型中未对输入变量进行选择的缺陷,提高了预测精度,增强了预测稳定性,为短期径流预测研究提供了新途径。     

基于改进RBF神经网络的泵站机组故障诊断

泵站机组故障诊断是指在一定的工作环境下查明泵站机组系统某种功能失调的原因或性质,判断劣化状态的部位或部件,以及预测状态劣化的发展趋势等。本文利用改进的RBF神经网络,对经过不变矩处理的轴心轨迹特征参数进行了故障模式的自动识别,针对RBF神经网络隐层节点难以选择的的难题,提出了一种新的聚类算法——改进RBF混合聚类算法。该算法,可自动确定最优的聚类区数,同时可使最终的聚类中心合理地分布在数据空间中。仿真结果验证了该方法的可行性。     

集成神经网络在水轮发电机组故障诊断中的应用

针对单个神经网络的不足，以信息融合技术为基础，建立了集成神经网络故障诊断系统。该系统采用子神经网络从不同侧面对设备进行初步诊断，然后将各子神经网络进行决策融合。通过对水轮发电机组的应用仿真，说明该系统充分利用了各种信息，提高了确诊率。     

水轮发电机组控制系统辨识研究

文章介绍了系统辨识的定义及其算法原理与实现,概述了系统辨识在水轮发电机组控制系统的应用,着重阐述了最小二乘法、神经网络模型和智能优化法等该领域的主要研究方法和研究成果,提出将多种系统辨识方法相结合形成综合智能系统辨识技术,供参考。     

基于神经网络逆控制方法的水轮发电机组非线性控制器仿真研究

基于水轮发电机组刚性水击模型和神经网络逆系统控制方法,在分析励磁与导叶系统可逆性的基础上提出了一种新的水轮发电机组解耦控制器设计方法.理论分析和仿真结果表明该控制策略较好的解决了水轮发电机组控制时存在的多变量、非线性、强耦合问题;实现了系统的动态解耦控制,具有较好的适应性和鲁棒性,因此可有效增强输电系统的暂态稳定性.     

基于粗糙集和遗传算法的水轮发电

针对水轮发电机组故障监测中的大量数据，为了提高故障诊断效率,考虑将粗糙集理论和遗传算法引入水轮发电机组故障诊断中。利用粗糙集获取水轮发电机组故障信息决策表，再用遗传算法的全局搜索技术，对决策表进行约简，找出对故障分类起主要作用的特征，并提取诊断规则。通过对具体诊断实例研究表明：该方法在水轮发电机组故障诊断中具有较高的可行性和有效性。     

混流式水轮机神经网络模型非线性仿真

针对水轮机非线性特性难以准确描述及混流式水轮机调节系统(FTGS)非线性仿真复杂性，利用前馈神经网络强大的非线性逼近能力，建立混流式水轮机神经网络模型(FTNNM)。描述流量和效率特性的FTNNM采用Levenberg—Marquardt算法进行离线训练，收敛速度快、模型精度高。训练后的FTNNM作为一个非线性环节和其他模块构成了在MATALAB的SIMUUNK环境下的非线性仿真系统。该系统实现了各种运行工况的非线性仿真，并能快速、准确地得到系统以及混流式水轮机内部各种参数的变化规律。为混流式水轮机调节系统(FTGS)控制策略的研究提供了一个良好的基础。     

基于遗传算法和遗传神经网络算法的堆石料参数反演分析研究

面板堆石坝应力变形计算过程相当费时费力,如果直接调用有限元计算程序进行反演计算,难度相当大,效率也非常低.利用遗传算法优化BP神经网络权值与阈值,建立遗传神经网络模型代替堆石坝的有限元计算程序以提高反演计算效率,同时利用遗传优化算法全局搜索功能寻找使遗传神经网络模拟值和实测值之间误差最小的最优参数组,并通过MATLAB实现基于遗传算法和遗传神经网络算法的堆石料参数反演分析,反演结果表明该算法能够很好地提高反分析效率及准确性.     

基于BP神经网络数据挖掘方法的政府投资项目投资估算方法

政府项目投资失控问题业已引起社会广泛关注,而造价估算不准是其中主要原因之一。许多不确定因素影响着项目造价,并且这些影响因素与造价之间呈高度非线性关系,传统统计方法难以对新建项目造价进行准确估算。本文利用BP神经网络在已完工程资料中“提取”“规则”,实现了对项目造价的准确估算。本文对BP网络基本理论作了简介,并用举例说明BP网络预测工程造价的准确性。从例子可以看到,预测值与实际值的相对误差很小,足以满足造价估算的要求。     

水电站厂内经济运行准实时系统研

为提高水电站参与电力市场竞争的能力，须建立水电站厂内经济运行准实时系统。结合不同类型水轮机组的特性，探讨了水电站厂内经济运行准实时系统任务时限的确定，并就水电站厂内经济运行准实时系统的一个主要难点问题——水轮机组耗水量的在线计算，提出一种在线训练在线应用的神经网络计算模型。实例研究表明，采用神经网络方法实现水轮机组耗水量的在线计算，不仅能提高计算精度，而且能够满足水电站厂内经济运行的实时性要求。     

轴流转桨式水轮机组非线性实时仿真实现

介绍一种新型的用于水轮发电机组实时仿真的系统结构和原理,探讨了适用于轴流转桨式机组在该系统上的非线性仿真实现方法。通过对轴流转桨式水力机组各个系统非线性数学模型的研究,掌握了单位转速、导叶开度、桨叶开度到单位流量、单位转矩间的非线性关系,采用了基于MATLAB辅助设计的软件算法,较好的实现了机组的非线性仿真。在硬件上采用了最先进的浮点型数字信号控制器(DSC)和TCP/IP协议栈的结构,保证了复杂非线性算法实现和仿真数据传送的快速性。在软件算法上,采用了两个基于MATLAB辅助设计的三输入BP型神经网络模拟机组的非线性特性,保证了实现的简洁性、实时性和可行性。     

融合ARIMA模型和GAWNN的溶解氧含量预测方法

针对河流污染治理、水源管理，提出了融合差分自回归滑动平均ARIMA模型和遗传算法优化的小波神经网络相结合的河流水质预测方法。将采集的河流水质参数时间序列数据，分解为线性和非线性序列，线性数据使用ARIMA模型预测，使用最小二乘法完成了ARIMA模型参数估计。对于经过ARIMA模型处理的非线性残差数据、预测值与原始溶解氧序列之间的线性和非线性关系，采用小波神经网络（WNN）获得预测值，并采用遗传算法的选择、交叉、变异等操作优化网络参数，比传统WNN模型预测精度显著提高。ARIMA模型、小波神经网络、遗传算法优化小波神经网络（GAWNN）和未经遗传算法优化的组合模型预测平均绝对误差分别为0.29%、0.39%、0.26%、0.24%，提出的组合模型预测结果平均绝对误差约0.19%且为最小。结果表明，该组合模型优于单个模型和传统组合模型的预测结果。     

高压泵反转式液力透平性能模拟与试验

以离心泵水力设计为基础,参考水轮机水力设计,通过Pro-E建立液力透平的三维模型,运用CFD技术对四组出口安放角不同的模型进行了不同工况下的内部流场流动分析,计算采用雷诺时均N-S方程和标准k-ε湍流模型,压力和速度耦合采用SIMPLEC算法。模拟结果较好地揭示了内部流场的特征,对内部流场的静压分布特征进行了研究。研究结果表明叶轮内静压值随流动方向呈下降趋势,叶轮与导叶相互影响,叶轮流场不对称导致流场不稳定。对液力透平性能进行预测,从中筛选出最优模型。将模拟结果与样机试验结果作分析对比,对比结果表明实测扬程与效率和模拟扬程与效率相差很小;实测扬程与模拟值有较小的差别;实测回收功率比模拟功率稍小。因此,出口安放角为450的液力透平模型是符合要求的。     

递归神经网络在降雨量预测中的应用研究

递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能。运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题。选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较。仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高。预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据。     

BP和RBF神经网络在水轮机非线性特性拟合中的应用比较

利用神经网络对水轮机综合特性曲线进行数据处理和延伸,不必建立具体的函数关系表达式,就可对已知的离散数据进行拟合。并且还可以结合边界约束条件对未知区域内的数据进行预测,从而提高了水轮机综合特性曲线数据处理的工作效率和数据精度。分别介绍了用BP神经网络和RBF神经网络对水轮机综合特性曲线数据处理和延伸的方法。并采用一机组的样本数据进行训练,比较2种方法的训练结果得出结论。     

基于模拟退火算法的水轮机导叶分段关闭规律优化

为了解决水电站过渡过程中输水系统水锤压力和机组转速上升难以协调控制的问题,保证电站安全运行,建立了一种水轮机导叶关闭规律非线性优化模型,该优化模型可以调整各控制参数的重要程度并应用于多工况优化.基于水力瞬变计算的特征线法,应用模拟退火算法对该优化模型进行计算,寻找满足调节保证计算要求的较优关闭规律.结合工程实例,针对蜗壳末端最大压力和机组转速最大上升率2种控制工况,比较导叶一段直线关闭和二段折线关闭的数值计算结果,并应用模拟退火算法对折线关闭规律进行优化.使用优化后的关闭规律进行过渡过程计算,蜗壳末端最大压力、机组最大转速上升率和尾水管进口最小压力均满足调保计算要求,且安全裕量较大.结果表明,模拟退火算法可以快速优化导叶关闭规律,且算法稳定性较好,安全裕量分配合理,为类似工程的导叶关闭规律优化提供了新方法.