ACO-BP算法在化工过程故障诊断中的应用

将蚁群算法和BP神经网络相结合,利用蚁群优化算法与误差反向传播算法结合而构成的混合算法(ACO-BP)训练神经网络的权值和阈值,给出ACO-BP算法训练神经网络的基本原理和方法步骤,并将该算法应用于连续搅拌釜式反应器的故障诊断。仿真结果表明:ACO-BP算法具有较高的诊断精度,能够及时、有效地检测连续搅拌釜式反应器中存在的故障。

基于蚁群算法-BP神经网络的主蒸汽温度控制系统仿真研究

针对火电机组主蒸汽温度被控对象的不确定性和大延迟、大惯性、非线性等特点,设计了一种基于粒子群(PSO)算法、蚁群(ACO)算法、BP神经网络的智能PID串级控制系统。采用PSO算法优化ACO算法的参数、信息启发式因子α、期望启发式因子β、以及改进的ACO算法对BP神经网络初始权值进行优化;采用优化后的BP神经网络算法对PID控制器参数进行在线调整,从而实现对主蒸汽温度的动态控制。以某超临界600MW机组为对象,对ACO-BP和BP神经网络PID串级主蒸汽控制系统进行仿真试验。结果表明,ACO-BP PID串级主蒸汽控制系统较BP神经网络PID串级主蒸汽温度控制系统能更有效地克服主蒸汽温度被控对象的大延迟、时变性、非线性特性,提高了主蒸汽温度的控制品质。

ACO-BP在拱坝变形监测中的应用

拱坝变形监测是拱坝运营阶段的核心问题之一,从拱坝的变形特点出发,提出一种更优于蚁群算法的神经网络模型——ACO-BP算法,对拱坝变形监测进行研究。