基于GA-BP模型的混合制冷剂天然气液化装置运行参数优化分析

天然气液化装置的制造及施工通常无法与设计参数保持完全一致,这些偏差的累积可能导致装置实际运行状态偏离于设计的最优工况。本文根据混合制冷剂天然气液化装置的实际历史运行数据,通过选择合理的节点,建立了基于BP神经网络的天然气液化装置比功耗预测模型;为了提高模型预测的准确性,利用遗传算法(GA)对神经网络的初始权值进行优化,形成了GA-BP模型。根据GA-BP模型,以天然气液化装置的比功耗最小化为目标,对该装置的主要操作参数进行了优化。结果表明,与原设计最优工况下的实测结果相比,采用优化后参数运行的混合制冷剂天然气液化装置比功耗比减小了4.3%,提高了整个装置的运行效率。本文研究的基于GA-BP模型的优化方法可为天然气液化装置的工艺设计与高效运行提供参考。

基于GA-BP的水力机组振动预测研究

振动是影响水力机组安全稳定运行的重要影响因素,为此基于GA-BP算法建立了机组振动预测模型,统筹水力机组运行过程中受机械、水力和电磁等因素的关联性影响,结合广东省某水电站#1机组状态监测数据进行分析验证。结果表明,与传统BP算法相比,在对#1机组主轴、上机架振动预测中,GA-BP算法训练迭代步数分别从26步减少至6步和63步减少至26步,预测平均相对误差分别从10.18%减小至4.62%和11.42%减小至4.92%,模型的预测性能获得显著提高,为保障机组安全运行提供了重要的技术支撑。

GPU加速的神经网络BP算法

近年来图形处理器(GPU)快速拓展的可编程性能力加上渲染流水线的高速度及并行性,使得图形处理器通用计算(GPGPU)迅速成为一个研究热点。针对大规模神经网络BP算法效率低下问题,提出了一种GPU加速的神经网络BP算法。将BP网络的前向计算、反向学习转换为GPU纹理的渲染过程,从而利用GPU强大的浮点运算能力和高度并行的计算特性对BP算法进行求解。实验结果表明,在保证求解结果准确度不变的情况下,该方法运行效率有明显的提高。

基于BP模糊神经网络的水轮发电机组故障诊断方法

运用模糊理论的故障征兆与故障原因之间的模糊关系,确定了BP神经网络的输入层和输出层,并结合水轮发电机组故障诊断具体实例建立神经网络的输入样本集,对神经网络进行训练,输入机组故障征兆向量,得出故障原因,从而验证了模糊神经网络的可行性与优越性。

多输出单元BP神经网络梯度算法的收敛性

梯度算法广泛应用于训练前馈神经网络.对于单输出前馈神经网络的梯度算法的收敛性已经有了详细的讨论.研究了带有多个输出单元的BP神经网络的梯度算法,证明了误差函数在梯度算法所生成的权向量序列上的单调递减性,并且证明了梯度算法的弱收敛性和强收敛性.

基于改进BP神经网络的空调系统传感器故障诊断

针对普通BP算法存在的收敛速度慢以及容易陷入局部极小点等问题,提出了一种改进的BP算法,应用该算法对空调系统传感器故障进行诊断。Matlab仿真运行证明,在相同的条件下,改进的BP算法加快了网络的收敛速度,避免了陷入局部极小的问题。在故障诊断的准确率方面优于普通的BP神经网络。

超低负荷循环流化床机组NO_(x)超低排放的GA-BP算法优化模型

针对可再生能源并网后,大型循环流化床(CFB)机组在超低负荷下实现NO_(x)超低排放的需求,利用BP神经网络算法构建了NO_(x)排放质量浓度预测模型,并采用遗传算法优化了BP神经网络的权值和阈值。综合考虑机组负荷、给煤量、一次风量、二次风量、床层温度、旋风分离器入口温度、锅炉省煤器出口氧体积分数、尿素溶液母管流量和炉膛床层平均压力9个运行参数对350 MW机组CFB锅炉NO_(x)排放质量浓度的影响行为,获得了机组100 MW超低负荷下的主要优化参数,即质量百分浓度为20%的尿素溶液流量为0.5 m^(3)/h,总一次风量和总二次风量优化比值为2.8,CFB锅炉床层操作温度为855℃,旋风分离器入口运行温度为778℃。

BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题,并将BP网络应用于化学反应催化模型。

基于改进BP算法的发电机组振动故障诊断技术

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,提出了一种改进的BP算法。应用这种改进的BP算法对某发电机组振动故障进行了诊断研究,结果表明,该改进BP算法加快了网络的收敛速度,避免了陷入局部极小陷阱的问题。

基于改进VMD算法的水轮机组空化状态仿真实验

为提高水电站水轮机组空化状态识别准确率,提出一种基于振动信号的水轮机组空化状态识别方法。通过利用差分优化算法获取变分模态分解(VMD)最佳分解层数与惩罚因子参数组合改进VMD算法,并利用改进的VMD算法提取水电站水轮机组峰值、偏度、均方根频率等时频特征,然后将提取的时频特征输入BP神经网络中进行分类识别,实现了水电站水轮机组空化状态识别。仿真结果表明,所提方法实现了不同工况下水轮机组水轮和尾水管严重空化、空化加速、空化初生、无空化4种状态的识别,平均识别准确率达到98.88%。相较于基于SVM模型的识别方法,所提方法识别准确率提高了8.76%。

基于改进BP算法的水电机组轴瓦温度预测

应用人工神经网络BP算法 ,对水电机组轴瓦温度与影响瓦温变化的主要因素之间的映射关系进行表达 ,即建立水电机组轴瓦温度预测模型 ,并对轴瓦温度及其变化趋势作出预测 ;同时对BP算法进行改进 ,引入误差分布函数、动量项因子和组合转移函数 ,在一定程度上克服原有算法的局部最小问题 ,获得全局最小解 ,而且加快了网络的收敛速度 .

基于BP神经网络和遗传算法的天然气脱水装置能耗优化

为了降低天然气脱水过程中的能量消耗和操作成本,应用工业流程模拟软件ProMax建立了天然气脱水装置工艺模型,并应用BP(Back Propagation)神经网络对ProMax模拟得出的数据进行训练和预测,再将上述BP神经网络模型并入遗传算法(Genetic Algorithms,GA)中,从而建立起了基于BP和GA的天然气脱水装置能耗优化模型。应用该能耗优化模型对川渝地区某净化厂内600×104 m3/d天然气脱水装置进行了操作参数优化。结果表明:在保证净化气产品质量的前提下,该脱水装置的能耗降低了12.23%,经济效益明显提高。该方法通用性强,也可用于其他过程系统的操作参数优化。

基于改进BP算法的水泵机组故障诊断的网络模型

针对水泵机组故障诊断复杂,提取的征兆和故障之间关系较为模糊,并且传统的BP算法存在易于陷入局部极小点、收敛速度慢、兼容性不好等问题,采用了一种动量因子与自适应学习率相结合的改进BP算法来建立神经网络模型,并通过有限的样本进行训练,最后通过几种故障特征向量进行验证。实际验证表明,此网络能够满足水泵机组故障诊断的技术要求。

基于GA-BRBPNN的航空自耦变压整流器故障诊断方法

航空自耦变压整流器(auto-transformer rectifier unit, ATRU)是飞机高压直流电网关键电能变换装置,在运行过程中受高温、机械应力、荷载波动等因素持续影响,其内部元件可能出现相应故障,进而威胁飞机可靠运行及持续适航。针对ATRU整流部分故障信号频谱难以区分、诊断准确率不高问题,提出一种遗传算法(genetic algorithm, GA)与贝叶斯正则化反向传播神经网络(Bayesian regularisation back propagation neural network, BRBPNN)相结合的故障诊断识别方法。首先,实现ATRU故障仿真,以时频分析方式处理所得信号,从而挖掘不同故障状态的特征信息;随后采用GA算法优化BRBPNN初始权阈值并建立最优GA-BRBNPNN诊断模型,将特征样本输入诊断模型进行故障分类识别,测试模型性能;最后,搭建故障模拟实验平台对实测数据进行模型验证。实验结果分析可知,对于仿真故障,该模型诊断准确率可达99.46%,对于实测故障,该模型可全部诊断识别待测样本;由此表明提出的GA-BRBPNN优化模型诊断效果好,具有较高实用价值。

基于CUDA的BP算法并行化与实例验证

CUDA是应用较广的GPU通用计算模型，BP算法是目前应用最广泛的神经网络模型之一。提出了用CUDA模型并行化BP算法的方法。用该方法训练BP神经网络，训练开始前将数据传到GPU，训练开始后计算隐含层和输出层的输入输出和误差，更新权重和偏倚的过程都在GPU上实现。将该方法用于手写数字图片训练练实验，与在四核CPU上的训练相比，加速比为6．12～8．17。分别用在CPU和GPU上训练得到的结果识别相同的测试集图片，GPU上的训练结果对图片的识别率比CPU上的高0．05％～0．22％。

基于改进遗传算法优化BP神经网络的螺杆式制冷机组能效预测

为提高螺杆式冷水机组能效预测的准确性,本文提出了基于改进遗传算法(IGA)优化BP神经网络的制冷机组能效预测方法,利用供冷负荷、冷冻水流量、冷冻水出水温度、冷却水回水温度与COP 5个参数训练IGA-BP预测模型。本文以某酒店的螺杆式制冷机组为研究对象,利用该方法对机组的能效进行预测,并与标准遗传算法优化BP神经网络的预测结果进行比较,结果表明:改进后的算法计算能力有了很大的提高,SGA-BP预测模型的最大相对误差为6.73%,平均相对误差为2.96%;IGA-BP预测模型的最大相对误差为3.45%,平均相对误差为1.16%。IGA-BP的预测精度得到了较大改善。

基于改进遗传BP算法的产业产值中单位GDP碳排放量的预测研究

针对产业产值中单位GDP碳排放量的预测问题,系统分析了产业产值与能源消耗碳排放量的关系,在传统遗传算法的基础上,根据动态神经网络模型优化算法过程,克服了传统遗传算法的无动态性,提出了改进遗传BP算法.根据2005—2014年北京等10个省市第三产业的单位GDP碳排放量相关数据资料,利用改进遗传BP算法预测各省市在2015年的单位GDP碳排放量,其预测值与真实值的平均误差值为-0.03,其平均相对误差仅为1.06%,说明该算法在数值预测方面的有效性.

改进的椭球单元网络及其在故障诊断中的应用

针对椭球单元网络在应用中存在的一些问题 ,提出了改进措施。这些措施主要围绕改进网络的分类能力和表达能力、合理确定网络结构、避免错误泛化等。通过进行聚类初始化处理和引入有界椭球 ,改进了BP算法 ;通过在网络训练过程中引入“节点分裂”和“节点修剪”机制 ,使得训练后的网络结构更为合理 ,能适应实际问题的需要 ;并建议在聚类样本送入网络训练前 ,先进行PCA处理 ,以确定更为合理的椭球轴向和降低椭球维数 ,进一步达到缩短训练时间、增强泛化能力的目的。在CSTR故障诊断中的应用表明 :改进的椭球单元网络 (BPE)具有任意的非线性分界能力。

脉冲响应神经网络的构建

为解决传统人工神经网络在处理输入与输出时具有时滞效应和时间累积效应等的不足,将系统理论中单位脉冲响应函数融入到神经网络模型,构建了一种新的神经元模型——脉冲响应神经元.并基于此神经元,建立了单隐层的前馈型脉冲响应神经网络,同时推导出了训练脉冲响应神经网络的BP学习算法,为脉冲响应神经网络从理论走向应用奠定基础.通过在降雨径流模拟中的实际应用,脉冲响应神经网络获得了良好的应用效果,说明脉冲响应神经网络在处理高度非线性复杂映射系统时具有更大的适应性和优越性.

基于微控制器的新型智能车灯控制系统的设计与实现

研制了一种自动控制车辆前灯的装置,通过感受外界光线来控制车辆灯光的变化。考虑了行车时会遇到的各种灯光环境,经过神经网络的训练使分类的正确率达到98%以上,能够保证根据不同的环境作出快速、准确的判断。采用微控制技术对车辆前灯进行控制,使手动和自动兼容。它能模仿司机的实际控制思维,使控制效果最大限度地接近实际操作,同时能排除各种杂散光的干扰,误判率低,抗干扰性强,广泛适用于各种车型。