基于DCM‑PCA和GA‑BP的逆变器故障诊断

针对光伏并网三相电压型逆变器开关管的开路故障,提出深度级联模型(deep cascade mode,DCM)‒主成分分析(principal component analysis,PCA)与遗传算法(genetic algorithm,GA)优化的BP神经网络结合的故障诊断方法。首先对逆变器的开路故障进行分析和仿真,确定三相电流作为故障信号,选择22类故障状态作为诊断对象,通过以稀疏表示分类(sparse representation based classififier,SRC)为基本操作单元的深度级联模型提取故障特征,DCM根据层次学习特性将故障特征分层,再由SRC部分得到不同故障的编码系数,并采用t分布—随机近邻嵌入(t⁃distributed stochastic neighbor embedding,t⁃SNE)方法验证了DCM具有较好的特征提取能力,通过PCA降低故障特征的冗余度、保留有价值的主成分提高网络映射能力,最后将故障特征向量作为GA⁃BP神经网络的输入信号实现对故障的诊断识别。通过仿真实验得到该方法的故障诊断准确率为95.64%,与DCM⁃PCA⁃BP、FFT⁃GA⁃BP和FFT⁃BP相比准确率分别提高8.71%、20.64%、51.70%,表明该方法有更好的故障特征提取能力和故障诊断效果。

基于PSO-RBF和PCA-PSO-PNN的六脉冲整流器故障诊断研究

针对六脉冲整流器器件故障诊断准确率较低的问题,提出了由两种优化的神经网络相结合的故障诊断方法。对六脉冲整流器进行仿真并模拟其故障情况,采集其输出电压经傅里叶变换的直流分量幅值和谐波幅值。选用粒子群算法(PSO)优化径向基函数神经网络(RBF),运用PSO-RBF对整流器器件的故障大类进行诊断。然后采集在各故障大类下整流器的输出电压值,由主成分分析算法(PCA)和PSO优化概率神经网络(PNN),运用PCA-PSO-PNN对故障大类中的故障小类进行进一步诊断。再将此方法与PNN、RBF以及结合RBF和PNN的诊断方法进行实验对比。结果表明,这些方法的测试集准确率分别为91.5955%、67.6768%、16.1616%、87.8500%。故PSO-RBF和PCA-PSO-PNN相结合的诊断方法可以更精确地对六脉冲整流器器件的故障类型进行诊断。

从弹幕网站看新媒体用户的受众参与心理及行为

随着网络技术的不断发展,视频网站呈现出愈发社交化的趋势。本文通过对研究文献的梳理、对调查问卷的归纳,发现用户使用弹幕系统的动机多为寻求信息、获得陪伴、找寻同类和愉悦身心;通过对网站平台本身的观察调研,了解受众参与的过程、受众参与的具体体现,并结合之前的研究,归纳受众的这些参与行为如何获得满足。最后,根据弹幕网站受众参与过程中产生的问题——即违规弹幕的现象,提出建议,引导平台更加规范化和健康发展。

浅析我国环境新闻报道现状

随着地球生态的不断恶化,环境问题日趋严重,环境新闻报道凭借大众媒介的影响力和真实直观的呈现方式,将环境保护这个公共议题摆在大众面前,营造舆论环境,使社会意识到我国环境现状。但在此过程中也存在着一定问题亟待解决。文章旨在梳理我国现阶段环境新闻报道的社会责任和存在的问题,并提出发展建议。

基于IQGA-GRNN模型的SCR脱硝出口NO_(x)质量浓度预测方法

针对选择性催化还原(SCR)烟气脱硝系统工艺复杂、非线性等特点,提出了一种基于改进量子遗传算法(IQGA)和广义回归神经网络(GRNN)的燃煤电站NO_(x)排放数学模型:先采用动态旋转门对量子遗传算法(QGA)进行改进,使其搜索更为精细,然后应用IQGA对GRNN中的光滑因子进行寻优,使该算法逼近能力更强。以某300 MW供热机组为例,针对现场实际运行数据,采用IQGA-GRNN进行训练建模,并将该模型与GRNN模型、QGAGRNN模型的预测结果进行对比,结果表明,IQGA-GRNN模型的预测值与实测值最大误差在8.0%以内,平均误差在0.2%以内,可为后续喷氨量的精准控制提供有力的支撑。