混凝土强度模糊神经网络检测系统

为了提高检测精度,建立了模糊神经网络来综合评定结构的混凝土强度,充分利用了钻芯法和回弹法这两种常用混凝土测强方法的特点以及模糊神经网络的自学习、泛化和模糊逻辑推理功能。根据回弹值与钻芯值之间趋于幂函数关系的专家经验,将回弹值和钻芯值分别取常用对数作为模型的输入和输出,以提高建模精度。同时,模型参数采用一种混合学习算法确定,可以提高学习速度。实验结果表明,模型预测结果的平均相对误差为10.316%,相对标准差为12.895%,满足工程实际要求。该方法可以有效地映射出钻芯、回弹数据间复杂的非线性关系,为混凝土强度检测评定提供了一种有效的途径。

基于PCA和自适应神经模糊网络的风电机组执行器主动容错控制

风电机组执行器的发电机转矩失效会导致系统无法工作在最大功率跟踪点,严重时甚至会引发机组停机,最终造成严重的经济损失和复杂的维修工作。为此,提出一种基于PCA和自适应神经模糊检测的风电机组执行器主动容错控制策略,以确保执行器故障时的高效运行。首先对风电发电机组进行建模,然后引入Luenberger观测器来估计执行器的转矩值,借助主动抗扰控制来抵消转矩执行器故障的影响。在诊断过程中使用PCA和自适应神经模糊算法来检测和分析执行器转矩测量值和观测值之间的差异,进而实现执行器故障的精确诊断。最后搭建实验样机平台对所提方案进行验证,实验结果表明所提PCA和自适应神经模糊检测算法可以实现整体95.2%的执行器故障诊断n准确率,n并在执行时故障发生时及时实现故障隔离。