云南省教育厅科学研究基金(2012Y450)
- 作品数：9 被引量：60H指数：5
- 相关作者：程加堂艾莉熊燕段志梅罗瑞更多>>
- 相关机构：红河学院更多>>
- 发文基金：云南省教育厅科学研究基金更多>>
- 相关领域：电气工程自动化与计算机技术矿业工程水利工程更多>>
- 基于模拟退火粒子群算法的风电场短期风速预测被引量：2
- 2014年
- 针对风电场短期风速预测存在精度较低的问题,引入了一种基于灰色模型与模拟退火粒子群优化BP神经网络(SAPSO-BP)相互嵌入而成的预测模型。该方法在SAPSO-BP网络的输入层前增加一个灰化层,在网络输出层后增加一个白化层,以改进网络的拓扑结构,提高模型的容错能力。仿真试验结果表明,该预测模型具有较好的鲁棒性,其平均绝对误差及均方误差分别为18.7%和5.11%,可用于风电场短期风速的预测。
- 程加堂熊燕罗瑞
- 关键词：风电场短期风速预测模拟退火粒子群算法BP网络
- 基于IQPSO-BP算法的煤矿瓦斯涌出量预测被引量：11
- 2016年
- 针对煤矿回采工作面瓦斯涌出的非线性特征,提出一种基于改进量子粒子群优化BP神经网络(IQPSO-BP)的瓦斯涌出量预测方法。鉴于量子粒子群算法的遍历能力有限,采用混沌序列来初始化量子的初始角位置。同时,采用凸函数调整惯性权重,以平衡算法的全局勘探和局部开发能力。并依此来优化BP神经网络的权值、阈值参数,进而建立了瓦斯涌出量预测模型。试验结果表明,IQPSO-BP算法具有较强的泛化能力及较高的预测精度,可有效用于煤矿瓦斯涌出量的预测。
- 程加堂艾莉熊燕
- 关键词：瓦斯涌出量
- 故障分类的改进证据理论信息融合技术研究被引量：1
- 2014年
- 为了实现Dempster合成规则在奇异证据间信息融合后可信度分配的合理赋值,提出了一种基于改进证据理论的信息融合新方法。通过引入可信度因子,对原始证据进行修正,再由证据理论的合成规则进行信息融合,并以汽轮机组作为研究对象进行分析验证。实例表明,该方法可以在原始证据出现高度冲突的情况下得到较好的符合性判定结论,并避免了几种代表性的改进方法在合成一致证据时所存在的发散现象,从而验证了该故障分类方法的有效性。
- 程加堂艾莉华静
- 关键词：汽轮机证据理论信息融合故障诊断
- 基于改进D-S的水电机组集成故障诊断研究被引量：3
- 2014年
- 针对常规水电机组振动故障诊断技术中易出现错判及诊断可靠性低等问题,提出了一种基于改进D-S证据理论的集成故障诊断方法。根据水电机组振动故障的频域信号,由模拟退火粒子群混合算法来处理证据理论的基本概率分配问题。再利用改进D-S理论来实现可信度分配的合理赋值,最后进行多信息的融合决策。实例表明,该方法可以在原始证据出现高度冲突以及相一致的情况下,都具有较高的诊断可信度,从而实现了对水电机组振动故障模式的有效识别。
- 程加堂艾莉段志梅熊燕
- 关键词：水电工程故障诊断信息融合水电机组
- 基于QPSO-BP和改进D-S的水电机组振动故障诊断被引量：5
- 2015年
- 为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。
- 程加堂段志梅艾莉熊燕
- 关键词：水电机组故障诊断
- 基于DGA的QPSO-BP模型变压器故障诊断方法研究被引量：9
- 2016年
- 为了提高变压器故障诊断的准确率,提出一种基于量子粒子群优化BP神经网络(quantum particle swarm optimized BP neural network,QPSO-BP)的故障诊断模型。在该算法中,用量子位的概率幅表示种群中各粒子的当前位置,用量子旋转门实现粒子位置的移动,用量子非门进行变异操作,以获取BP神经网络的权、阈值优化参数,最终实现了变压器故障诊断模型的构建。对故障DGA样本的诊断实例表明,与粒子群优化BP网络(particle swarm optimized BP neural network,PSO-BP)法、BPNN法以及IEC三比值法相比,QPSO-BP算法具有更高的诊断正确率,从而实现了变压器故障模式的有效识别。
- 程加堂段志梅熊燕艾莉
- 关键词：量子粒子群算法故障诊断溶解气体分析
- 改进证据理论与神经网络集成的变压器故障诊断被引量：21
- 2013年
- 针对变压器故障类型的多样性以及故障信息的不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为实现Dempster合成规则在强冲突证据间信息融合后可信度分配的合理赋值,引入了信任系数的概念,对融合结果进行修正,并应用于最大-最小蚂蚁系统与神经网络算法所形成证据体的合成之中。实验仿真结果表明,该方法可以在初级诊断模块的判断结果出现严重分歧的情况下,仍得到较好的符合性判定结论,从而实现对变压器故障的有效诊断。
- 程加堂艾莉段志梅
- 关键词：变压器证据理论故障诊断
- 搜寻者优化算法在锅炉主汽压控制系统中的应用被引量：2
- 2016年
- 针对电厂锅炉主汽压的控制问题,提出了一种基于SOA(搜寻者算法)优化PID控制器参数的控制方法。在该算法中,以主汽压系统输出的误差绝对值时间积分性能指标作为SOA算法的适应度函数,以得到一组PID控制器的优化参数,并用于锅炉主汽压的控制系统中。仿真结果表明,与粒子群算法及遗传算法相比,SOA优化算法具有较佳的寻优能力及优化效率,进而改善了主汽压控制系统的动态性能。
- 程加堂艾莉熊燕
- 关键词：锅炉搜寻者优化算法PID参数优化
- QAPSO-BP算法及其在水电机组振动故障诊断中的应用被引量：8
- 2015年
- 针对水电机组振动故障耦合因素多、故障模式复杂等问题,提出了一种基于量子自适应粒子群优化BP神经网络(QAPSO-BP)的故障诊断模型。在QAPSO-BP算法中,利用量子计算中的叠加态特性和概率表达特性,增加了种群的多样性;根据各粒子的位置与速度信息,实现惯性因子的自适应调节;为避免陷入局部最优,在算法中加入变异操作;并以此来训练BP神经网络,实现网络的参数优化,进而构建了机组的振动故障诊断模型。仿真实例表明,与粒子群优化BP网络(PSO-BP)法和BP网络法相比,该算法具有较高的诊断准确度,适用于水电机组振动故障的模式识别。
- 程加堂段志梅熊燕
- 关键词：水电机组故障诊断
