基于BP神经网络的绝缘子表面污秽预测方法

针对传统方法清扫绝缘子污秽的弊端,提出了利用BP神经网络预测绝缘子污秽的方案.通过BP神经网络的输入、输出和参数的选取,在实验室进行数据验证.结果表明:该方法可以准确有效的预测绝缘子表面污秽程度,可以指导现场绝缘子的清扫和优化绝缘子的清扫周期.     

基于图像色彩特征融合的绝缘子污秽等级检测

针对绝缘子污秽状态非接触检测问题,提出基于可见光图像RGB(red green blue)和HSI(hue saturation intensity)空间信息特征级融合的污秽等级检测方法.利用最佳熵阈值分割法(OET)提取绝缘子盘面区域,分别在RGB和HSI色彩空间进行特征计算,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,利用核主元分析(KPCA)对两个色彩空间特征的组合进行降维融合,得到三维融合特征向量,结合概率神经网络(PNN)实现污秽等级识别.实验分析表明,基于核主元分析的图像信息特征级融合能够全面地反映绝缘子污秽状态,与单独利用RGB或HSI特征进行识别相比,其准确率有显著提高,可以实现绝缘子污秽等级的有效识别,为绝缘子污闪防治提供了新的方法.     

基于等值附盐密度的绝缘子污秽等级判定系统

随着工业和经济的快速发展,环境污染日益严重,高压架空线路所处地区的污秽等级不断升高,绝缘子表面积污加快,从而导致高压架空线路污闪事故增多。为了用等值盐密(ESDD)来确定线路的污秽等级,正确划分各地区的污秽区。用Java技术与Oracle数据库技术,建立了基于等值附盐密度的绝缘子污秽等级判定系统,以提高数据精度,减少误差,去除人为判断因素的干扰,提高盐密测量的工作效率,为电力系统的绝缘子防污清扫工作提供自动化的数据管理与分析。     

关于线路绝缘子污秽程度判定方法的研究

本文主要根据输电系统中绝缘子污秽处理的局限性,提出了绝缘子污秽程度判定方法,包括应用高压输电线路绝缘子污秽在线监测系统来预测绝缘子污闪的新思路和提出了基于污秽物在微波波段的辐射特性差异来检测绝缘子绝缘状况的方法。     

低气压条件下绝缘子污闪特性的研究

污秽绝缘子的闪络电压Ｕ和大气压力户之间的关系为Ｕ＝Ｕ。（Ｐ／ｐ０）ｎ，Ｕ０是该污秽绝缘子在标准大气压户。下的闪络电压。作者用固体污层人工污秽试验方法研究了不同形状绝缘子在不同污秽度下以及在不同大气压力下的污闪电压，并研究了在交流和直流电压分别作用下的污闪电压差别。试验结果表明，上述公式中的指数ｎ在交流电压下的数值大于直流电压。对于形状简单的绝缘子ｎ值不受污秽程度影响，对于形状复杂的绝缘子ｎ值受污秽程度的影响。ｎ值变化的原因在于绝缘子伞裙间的电弧桥络现象。     

带电水蒸气冲洗污秽绝缘子时的交流闪络特性研究

针对带电水蒸气清洗绝缘子污秽进行了试验研究,绘制了3种不同绝缘子随盐密变化的平均闪络电压、闪络电压梯度曲线和不同清洗方式下的闪络电压曲面,并进行了带电水蒸气冲洗污秽绝缘子时闪络电压的拟合计算和影响因素分析.结果表明:在相同盐密下,FXBW4-35型绝缘子时的闪络电压和闪络梯度最高,XP-70型绝缘子次之,FC-70型绝缘子最低;幂函数可拟合带电水蒸气清洗污秽绝缘子时的闪络电压,但非最优拟合函数;采用自下而上清洗方式闪络电压最高;绝缘子污秽盐密低于4×10~(-4)g/cm~2无过电压出现情况下,带电水蒸气清洗可保证系统安全.     

车顶绝缘子绝缘薄弱域的形成及影响因素研究

随着空气湿度及固体污秽等因素的影响,动车组车顶绝缘子表面存在的局部沿面放电会给列车运行安全造成严重威胁.依据有限元分析法,建立了25kV动车组车顶绝缘子流场及电场的三维模型,研究了高速气流、水珠及固体污秽对车顶绝缘子绝缘薄弱域形成的影响规律.结果表明:绝缘子表面气流速度较高、气压较低的侧风面及背风面区域容易发生局部沿面放电.当绝缘子表面附着雨滴和固体污秽后,表面电场发生了畸变,水珠周围局部电场强度增大;当水珠局部电场强度较大区域附着固体污秽时,水珠-污秽-空气-硅橡胶结合处形成新的绝缘薄弱域.     

基于径向基函数和模糊逻辑的短期电力负荷预测

综合考虑温度、日期类型和天气等因素对短期电力负荷的影响,提出了将径向基(RBF)网络和模糊逻辑相结合的预测方法。利用具有非线性逼进能力的RBF神经网络预测出预测日的最大负荷值和最小负荷值,并用模糊逻辑预测出预测日的负荷系数,进而得到预测日的负荷值。实际算例表明:该方法同BP网络相比,具有较高的预测精度,证明了该方法的有效性。     

基于贝叶斯修正IFAHP和灰色模糊综合评判的绝缘子污秽评估

绝缘子状态评估中指标信息兼具模糊、随机和灰色性特点。针对当前评估方法较少考虑到参量因素灰色性的问题,基于贝叶斯修正IFAHP法并结合灰色模糊理论和灰云模型提出一种绝缘子污秽状态的灰色模糊综合评判模型。该模型首次引入IFAHP和直觉模糊熵理论以更为科学合理地确定评判因素权重集,并基于贝叶斯公式建立主观权重的优化模型以实现指标的二阶段赋权;同时,利用灰云模型求得评判指标对应各状态等级的关联度并作为评判矩阵模部,再以灰部兼顾评判信息的灰性,进而对建立的评判矩阵综合处理。实例对比表明,贝叶斯修正IFAHP法确定的权重集更为合理适用,基于灰色模糊评判的结果也更贴近实际情况。     

不同型式绝缘子长串的直流污闪特性比较

超、特高压直流输电的发展需要对长串直流绝缘子污闪特性研究.在人工气候室内对5种型式瓷和玻璃绝缘子进行直流人工污秽试验,分析了试品的50%闪络电压U50与串长、盐密的关系及闪络电压梯度和有效爬电系数.根据5～23片绝缘子串得到试验结果,50%污闪电压与串长呈线性关系.试验结果表明:不同型式绝缘子的污秽闪络性能不同,污秽程度影响特征指数a与型式、结构和材质有关,其值在0.3～0.36间.在同一污秽度下,相同结构的玻璃绝缘子污秽性能优于瓷绝缘子;玻璃绝缘子具有比瓷绝缘子更高的沿面闪络梯度和有效爬电系数.     

天气数据模糊化处理对神经网络短期负荷预测模型的影响研究

介绍了一种简洁实用的基于模糊集的神经网络电力系统短期负荷预报方法,计及了天气和日期特征量．应用模糊集理论将天气和日期特征量模糊化后作为BP神经网络的一部分输入进行训练,同时考虑实际历史负荷数据构造了短期负荷预测模型,预测未来24h负荷．通过典型算例与普通BP方法预测结果相比,表明该方法是有效的并具有较高的预测精度．     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法 .将控制图作为信息图用于趋势模式的提取 ,用模糊化的控制图模式数据构造训练集 ,将训练后的BP神经网络用来对趋势模式进行自动分类识别 .该方法为工序状态异常模式识别提供了一种新的方法 ,提高了工序异常状态分类识别的效率和可靠性 .最后用实例进行了仿真实验     

基于密度聚类补偿模糊神经网络的建模方法

补偿模糊神经网络是综合补偿模糊逻辑和神经网络的混合系统。提出了将密度聚类算法运用到补偿模糊神经网络的输入模糊化和规则提取中。通过该方法对非线性系统的建模,仿真结果证明改进后的网络在提取规则、误差精度、收敛速度等方面均优于传统补偿模糊神经网络。     

基于模糊BP神经网络的垃圾焚烧炉控制系统

根据固体垃圾焚烧技术原理,结合垃圾焚烧炉运行特点,分析了垃圾焚烧过程与影响焚烧的主要因素,提出了基本模糊BP神经网络算法的垃圾焚烧炉控制方法.建立了垃圾焚烧炉炉温双端输入模糊神经网络（DIFNN）控制模型,并使用模糊BP神经网络控制算法对系统进行控制.仿真实验表明,该模糊BP神经网络控制能够适应复杂多变的焚烧过程的控制...     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法。首先根据生产控制系统的实验记录的曲线或者数据,初步确定一个“if…then”模糊逻辑规则模型;然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算,构造了一个神经模糊系统;通过有导师的误差反向传输学习,将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改,从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

交通事故Pi-Sigma模糊神经网络预测模型

提出了基于Pi-Sigma模糊神经网络的交通事故预测模型,选用Takagi-Sugeno型模糊推理系统和BP神经网络,以年平均日交通量、交通负荷、设计速度、车道宽度为输入,以每公里年均事故次数为输出,利用哈尔滨市133条主次干道的道路交通条件数据和5年的交通事故数据对模型进行了训练和检验,并将该模型与模糊逻辑模型、BP神经网络模型进行了对比分析.结果表明,交通事故Pi-Sigma模糊神经网络预测模型在预测精度及计算效率上总体优于其他两种模型,较适合于大样本条件下交通事故的快速预测.