應用RBF神經(jīng)網(wǎng)絡診斷紡織空調送風風機故障

通過對已采集的通風機振動信號分析和整理,提出了應用人工神經(jīng)網(wǎng)絡對其進行故障診斷,以g4-73-11離心式礦用通風機為研究對象,用小波包分解技術提取其振動信號的能量特征作為特征向量,建立了神經(jīng)網(wǎng)絡模型,并應用此網(wǎng)絡對一礦用通風機g4-73-11no28d進行故障診斷,結果表明,此網(wǎng)絡可作為智能分類器對離心式通風機的常見故障進行識別和診斷。

1996年4月,我們用902機器分析儀/數(shù)據(jù)采集器測試了許昌卷煙廠“七五”、“八五”兩條線的制絲設備、卷接包設備及通用設備上某些關鍵部位共228個測點,結合日常點檢工作,取得了較好的效果,至1996年11月共發(fā)現(xiàn)3臺super9機組的大風機和膨化塔風機、臥打風機、七五卷接的接裝風機及冷卻電機等故障。下面所述空調風機的故障診斷為其中突出一例?？照{器是保證卷接包車間工作環(huán)境溫度和濕度的關鍵設備,因為空調器室內(nèi)負壓非常大,加上內(nèi)部潮濕、黑暗,所以,安全規(guī)程規(guī)定設備運行時,人員不得入內(nèi)。1996年7月份,“七五”空調室隔壁的包裝車間一臺大修設備正處于調試階段,已近兩個月未能交驗,原因是設備的水平調好不久就發(fā)生變動,致

噪聲是影響家用空調器質量的一個重要因素,提出了一種用bp神經(jīng)網(wǎng)絡識別空調器噪聲源的方法.利用聲學分析儀對空調器的噪聲信號做頻譜分析,提取噪聲信號的頻譜特征構造模式特征量,設計一個三層bp神經(jīng)網(wǎng)絡經(jīng)學習訓練后進行空調器的噪聲源識別,為空調器的噪聲故障診斷及其減振降噪提供指導.

針對空調系統(tǒng)中的不同故障,分析了空調箱的故障特性,并討論了不同故障對空調系統(tǒng)能耗及熱舒適性的影響.仿真試驗結果表明,送風溫度的測量故障會導致系統(tǒng)能耗的增加.根據(jù)故障特性,提出了一種基于神經(jīng)網(wǎng)絡的數(shù)據(jù)處理方法,用以檢測和診斷空調箱中的傳感器故障.該方法首先選取歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練,實現(xiàn)對系統(tǒng)運行狀態(tài)的識別和預測.然后,通過比較測量值與預測值,計算出相對誤差,實現(xiàn)對故障的診斷.最后,利用基于trnsys的仿真器,對神經(jīng)網(wǎng)絡的故障診斷策略進行了驗證.結果表明,神經(jīng)網(wǎng)絡可以有效診斷空調系統(tǒng)中的溫度、流量和壓力傳感器故障.

將rbf神經(jīng)網(wǎng)絡引入pid控制中,建立了一個三層神經(jīng)網(wǎng)絡模型。通過rbf神經(jīng)網(wǎng)絡的在線辨識對pid控制的三個參數(shù)進行在線調整,從而改善系統(tǒng)的控制效果。仿真結果表明:基于rbf神經(jīng)網(wǎng)絡的pid控制與傳統(tǒng)pid控制相比,具有較強的魯棒性和自適應能力,控制精度高,效果好,安全可靠。

為提高紡織空調多風機送風系統(tǒng)的送風效果,分析了典型多風機送風系統(tǒng)并聯(lián)運轉時的相互影響關系,提出了紡織空調采用多風機送風系統(tǒng)并聯(lián)運行的合理工況和設計運行要求,為正確設計和充分發(fā)揮多風機送風的優(yōu)勢,提高風機效率,降低送風系統(tǒng)能耗提供依據(jù)。

探討紡織空調多風機并聯(lián)送風的優(yōu)化方法.針對紡織廠多風機并聯(lián)送風設計和運行中存在的問題,依據(jù)軸流風機性能特點和并聯(lián)特性規(guī)律,分析了影響紡織廠多風機并聯(lián)送風效果的因素.指出:在并聯(lián)送風系統(tǒng)設計時,公用回路阻力不得超過多風機并聯(lián)送風中最小風機風壓的30%,并聯(lián)風機的臺數(shù)不宜超過3臺,風機頻率宜控制在35hz~50hz范圍.認為:通過優(yōu)化設計多風機并聯(lián)送風,重視車間空調系統(tǒng)的運行管理,可保證系統(tǒng)高效穩(wěn)定運行.

介紹了基于matlab的徑向基函數(shù)rbf神經(jīng)網(wǎng)絡對于建筑物沉降預測的方法,討論了rbf神經(jīng)網(wǎng)絡的構造思路、參數(shù)和分布密度spread的選擇。為建筑物變形監(jiān)測人員的數(shù)據(jù)分析、變形預測提供了一個可行的概念。

為提高風電輸出功率預測精度，提出一種基于rbf—bp組合神經(jīng)網(wǎng)絡模型的短期風電功率預測方法。在考慮尾流等因素影響的基礎上，對風速進行預處理。根據(jù)相關歷史數(shù)據(jù)，建立rbf—bp組合神經(jīng)網(wǎng)絡短期風電功率預測模型，對風電輸出功率進行預測。仿真分析結果表明，該預測方法能有效提高風電輸出功率預測精度。

運用rbf神經(jīng)網(wǎng)絡(radialbasisfunctionneuralnetwork)理論,分析了大夾角v撐施工期間最大風險因素可能發(fā)生的部位,并對v撐的結構失效風險性進行了定量分析。將有限元分析結果作為神經(jīng)網(wǎng)絡訓練樣本數(shù)據(jù),利用徑向基神經(jīng)網(wǎng)絡建立了基本變量和結構響應之間的隱性映射關系,根據(jù)蒙特卡洛原理進行模擬計算,最終得出v撐施工過程中各個危險截面出現(xiàn)結構失效的概率預估值。通過工程實例驗證表明,基于徑向基神經(jīng)網(wǎng)絡所建立的施工過程風險分析方法計算效率高,具有可行性和有效性,同時為v撐施工風險決策提供了理論依據(jù)。

房間溫度控制是變風量空調系統(tǒng)的重要控制環(huán)節(jié)之一,而對房間溫度進行控制就需要通過末端風閥控制送風量;首先介紹了軟測量技術以及rbf神經(jīng)網(wǎng)絡的原理,其次根據(jù)以上兩種理論,結合影響房間送風量最重要的兩個因素:風機變頻器控制信號和末端風閥開度,對送風量進行軟測量研究;最后,運用matlab的神經(jīng)網(wǎng)絡工具箱函數(shù)建立軟測量模型,對其進行了仿真;仿真結果表明,rbf神經(jīng)網(wǎng)絡相比bp網(wǎng)絡其送風量軟測量模型具有更高的準確度;因此,在變風量空調運行的過程中,可以利用軟測量技術動態(tài)監(jiān)測風量傳感器的運行狀況,并實現(xiàn)傳感器故障狀態(tài)下對送風量參數(shù)的估計。

風能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點。目前我國擁有豐富的風能,有著巨大的發(fā)展前景,目前風力發(fā)電已有一定規(guī)模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩(wěn)定,易對電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運行。通過準確地預測風電功率,提前采取相應措施,是減少對電網(wǎng)沖擊的有效措施。本文研究風電的短期功率預測,在確定影響變量的基礎上,利用神經(jīng)網(wǎng)絡中的rbf神經(jīng)網(wǎng)絡進行風電功率預測。通過預測結果與實際功率的比較,得到誤差小較理想的預測結果,預測結果較好。

風能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點。目前我國擁有豐富的風能,有著巨大的發(fā)展前景,目前風力發(fā)電已有一定規(guī)模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩(wěn)定,易對電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運行。通過準確地預測風電功率,提前采取相應措施,是減少對電網(wǎng)沖擊的有效措施。本文研究風電的短期功率預測,在確定影響變量的基礎上,利用神經(jīng)網(wǎng)絡中的rbf神經(jīng)網(wǎng)絡進行風電功率預測。通過預測結果與實際功率的比較,得到誤差小較理想的預測結果,預測結果較好。

風能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點。目前我國擁有豐富的風能,有著巨大的發(fā)展前景,目前風力發(fā)電已有一定規(guī)模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩(wěn)定,易對電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運行。通過準確地預測風電功率,提前采取相應措施,是減少對電網(wǎng)沖擊的有效措施。本文研究風電的短期功率預測,在確定影響變量的基礎上,利用神經(jīng)網(wǎng)絡中的rbf神經(jīng)網(wǎng)絡進行風電功率預測。通過預測結果與實際功率的比較,得到誤差小較理想的預測結果,預測結果較好。

基于人工神經(jīng)網(wǎng)絡的自學習功能和能夠表達復雜關系的特點,針對桑塔納2000空調、冷卻系統(tǒng)的控制關系建立了相關神經(jīng)網(wǎng)絡仿真模型并進行了仿真和故障診斷的研究。事實證明,神經(jīng)網(wǎng)絡技術是復雜車輛控制系統(tǒng)的控制關系分析和故障診斷的一種便捷、有效的方法。

針對空調系統(tǒng)中的不同故障,分析了空調箱的故障特性,并討論了不同故障對空調系統(tǒng)能耗及熱舒適性的影響.仿真試驗結果表明,送風溫度的測量故障會導致系統(tǒng)能耗的增加.根據(jù)故障特性,提出了一種基于神經(jīng)網(wǎng)絡的數(shù)據(jù)處理方法,用以檢測和診斷空調箱中的傳感器故障.該方法首先選取歷史數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練,實現(xiàn)對系統(tǒng)運行狀態(tài)的識別和預測.然后,通過比較測量值與預測值,計算出相對誤差,實現(xiàn)對故障的診斷.最后,利用基于trnsys的仿真器,對神經(jīng)網(wǎng)絡的故障診斷策略進行了驗證.結果表明,神經(jīng)網(wǎng)絡可以有效診斷空調系統(tǒng)中的溫度、流量和壓力傳感器故障.

建立中央空調的靜態(tài)物理模型,通過抽取特征向量殘差,建立中央空調故障狀態(tài)和特征向量之間的映射關系。通過人工引入故障,對某大樓中央空調運行的現(xiàn)場測量,測量結果經(jīng)處理后輸入概率神經(jīng)網(wǎng)絡,經(jīng)運算后對中央空調進行故障檢測與診斷。結果表明,該方法簡單可行,運算時間短,能夠實現(xiàn)對中央空調的故障檢測與診斷。

介紹了加大空調送風溫差在紡織廠應用的可能性,并對該做法可能對紡織廠空調送風系統(tǒng)帶來的影響、運行的經(jīng)濟性,以及給車間溫濕度環(huán)境的影響進行了詳細分析,認為可有效降低送風系統(tǒng)能耗,但對車間溫度均勻性有影響。

本文將rbf神經(jīng)網(wǎng)絡應用于煤礦井下主排水泵的故障診斷中,實驗證明效果良好。本文的研究成果可為同行提供有意義的參考和借鑒。

分析了對工程造價有重要影響的眾多因素,參考國內(nèi)外專家、學者的研究成果,確定了影響工程造價的18個主要因素,并基于rbf神經(jīng)網(wǎng)絡建立了工程造價決策模型。本文利用rbf神經(jīng)網(wǎng)絡快速、準確的函數(shù)逼近能力,為工程造價決策提供了一種新的方法。

負荷預測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎,對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡,具有良好的函數(shù)逼近性能,已被廣泛應用到電力負荷預測中,并取得良好的效果。本文主要整理并介紹當前基于rfb神經(jīng)網(wǎng)的負荷預測方法,對存在的問題進行了分析,并對未來的發(fā)展進行了展望。

負荷預測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡，具有良好的函數(shù)逼近性能，已被廣泛應用到電力負荷預測中，并取得良好的效果。本文主要整理并介紹當前基于rfb神經(jīng)網(wǎng)的負荷預測方法，對存在的問題進行了分析，并對未來的發(fā)展進行了展望。