基于粒子群优化算法的船舶粮食库温湿度PID控制

为了保证远洋船舶上粮食长期储存的安全,需有效控制粮食库温度和水分。文章应用粒子群优化算法对粮食库温度、湿度PID控制器参数开展了寻优研究,建立了相应的优化目标函数,利用寻优得到的参数构成温湿度PID控制器,对粮食库空气处理的温湿度进行优化控制。并在Matlab环境下开展了基于粒子群PID控制的粮食库温湿度控制仿真试验,验证了利用这种算法获得的良好控制效果。

基于支持向量数据-贝叶斯模型的冷水机组故障检测与诊断研究

本文采用了结合支持向量数据描述方法和诊断贝叶斯网络的故障检测与诊断模型,以模拟退火法优化支持向量描述方法的参数训练故障检测模型,以故障数据获取诊断贝叶斯网络结构与各节点的条件概率表构建故障诊断模型。针对螺杆式冷水机组制冷剂充注量不足、蒸发器水流量下降、冷凝器水流量下降及制冷剂水供水温度传感器偏差、冷却水出水温度传感器偏差故障,提出了支持向量数据-贝叶斯模型对5种故障检测与诊断能力,分析影响模型检测与诊断能力的因素。结果表明:SVDD-DBN模型对故障诊断效果受无故障预测模型准确度影响,且在置信度为99.7%时表现较好;对症状越独立的故障,模型诊断效果越好,制冷剂充注量不足、冷却水出水温度传感器偏差故障诊断率可达100%。

基于平行粒子群优化-反向传播神经网络模型的空调系统故障诊断方法

为了解决单一故障特征集难以诊断多类故障的问题,本文提出了基于平行粒子群优化-反向传播神经网络(PSO-BPNN)模型的故障诊断方法。采用相关性分析找到了与每一类故障相关度较高同时受工况影响较小的特征量,设计了多个平行的反向传播神经网络(BPNN)故障诊断器,并采用粒子群优化(PSO)算法优化了BP神经网络的参数,还分析了提出的PSO-BPNN模型相较于传统的单BPNN模型在故障诊断效果上的提升。结果表明,PSO-BPNN模型的诊断正确率平均提高了6.85%,最高提高了8.57%。