人工神经网络在多级计算机测控系统故障诊断中的应用

计算机分散控制系统是在计算机技术，自动控制技术，通信技术和ＣＲＴ图形显示技术相结合的基础上开发出来的新型控制系统，是今后计算机控制系统发展的一大趋势，本文以计算机分散控制系统为背景，阐述了多级计算机测控系统的组成，原理及特点，在多级计算机测控的可靠性方面，着重阐述了利用人工神经网络的原理对实际测控单元进行故障诊断，报警及故障处理，本文就人工神经网络对给定知识的表达，联想记忆能力及网络的改进进行了研     

基于人工神经网络的励磁调节、快控汽门和电阻掣动的协调控制

采用人工神经网络控制器解决了快速励磁、电阻掣动和快速汽门控制三种不同类型的控制措施之间的协调问题。算例表明可以靠人工神经网络励磁控制使远端发电机静稳极限达到机端电压恒定的线路功率极限，再靠快速励磁、电阻掣动和快速汽门控制三者的协调控制使发电机在瞬时故障和永久故障下的暂稳极限都接近事故前的静稳极限。从而可使远端火电厂的稳定问题得到理想的解决     

基于人工神经网络的专家系统的建立

文章提出了一个基于人工神经网络的专家系统及其分层结构、知识获取和推理的方法，并将其用于生烃条件评价中。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本文针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络（ＡＮＮ）的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。进一步对ＢＰ模型的隐合层数和隐合节点数的选取进行定性的分析，同时探讨学习因子和动量项对学习收敛的影响分析，预测方法及结果得到肯定。     

多目标遗传繁衍样本策略的应用研究

提出了以最小误差平方和作为样本相似度,结合制约条件经验公式的多目标遗传算法进行样本繁衍的策略,并探讨了使用多目标遗传算法对样本进行重复繁衍,从而得到符合真实条件并与原始样本非常接近的仿真样本,以便与原始样本一起进行训练得到可用神经网络的方法。作为对该方法的验证,笔者使用这种方法在仅能获得43个样本的基础上,建立了一个用于预测爆炸密实法地表沉降量的神经网络模型,获得了良好的效果。     

翅片管换热器仿真软件精度自适应校正方法

提出了一种自动修正翅片管换热器仿真精度的方法.根据用户所能提供实验数据的数量,采用不同的策略,实验数据较少时采用简单的多项式回归的形式来建立管外空气侧换热系数修正因子的修正多项式;实验数据较多时采用人工神经网络的方式来得到管外空气侧换热系数修正因子的神经网络关联模型.用于实际的仿真计算时,修正前的换热量误差最大28.96%,平均为11.12%;采用多项式修正后误差最大15.33%,平均5.38%;采用神经网络修正后误差最大4.9%,平均1.0%.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。