-
公开(公告)号：CN106869990B
公开(公告)日：2019-03-19
申请号：CN201710121485.3
申请日：2017-03-02
申请人： 新疆大学
摘要： 基于LVQ‑CPSO‑BP算法的煤体瓦斯渗透率预测方法，提出基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ‑CPSO‑BP煤体瓦斯渗透率预测方法。确定临界值将煤层埋深划分为两层；基于有效应力与瓦斯渗透率之间存在拐点关系，确定拐点值将有效应力划分为两段；采用LVQ将4个微观样本参数依据拐点特征进行分类识别，采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化；最后，基于样本案例对本发明构建的LVQ‑CPSO‑BP算法进行了预测结果验证，并与BP算法、GA‑BP算法及PSO‑BP算法预测的结果进行了对比分析。
-
公开(公告)号：CN110160789B
公开(公告)日：2021-11-02
申请号：CN201910381364.1
申请日：2019-05-08
申请人： 新疆大学
IPC分类号： G01M13/045 , G06K9/00
摘要： 本发明公开了一种基于GA‑ENN的风电机组轴承故障诊断方法，包括以下步骤：采集振动数据信息并从振动数据信息中提取时域、频域、时频域的特征信息，构建以遗传算法GA为主，神经网络ENN为辅的模型对混合域指标集择优筛选，得到最优特征子集，构建以遗传算法GA为主，神经网络ENN为辅的模型，用GA优化ENN的权值和阈值，获得最优的权值和阈值参数，基于得到的最优特征子集和最优的权值和阈值参数，构建以神经网络ENN为主，遗传算法GA为辅的模型进行故障识别，输出诊断结果；本发明能够全面地反映风电机组轴承的运行状况，不仅可以缩短故障识别时间，而且还能够提高故障识别的精度。
-
公开(公告)号：CN109033038A
公开(公告)日：2018-12-18
申请号：CN201810947660.9
申请日：2018-08-20
申请人： 新疆大学
摘要： 本发明属于电力规划技术领域，涉及基于弃风利用的风机塔筒升降机安装效益估算方法，所述的方法包括以下步骤：弃风电量统计、检修人员投入量评估、升降机运行次数评估与能耗量化、风电场费用‑效益建模。通过对所述的四个方面进行分析得出塔筒升降机的安装后一方面可消纳弃风避免能源浪费，另一方面保障工作人员的人生安全，提高风机检修效率。
-
公开(公告)号：CN110160789A
公开(公告)日：2019-08-23
申请号：CN201910381364.1
申请日：2019-05-08
申请人： 新疆大学
IPC分类号： G01M13/045 , G06K9/00
摘要： 本发明公开了一种基于GA-ENN的风电机组轴承故障诊断方法，包括以下步骤：采集振动数据信息并从振动数据信息中提取时域、频域、时频域的特征信息，构建以遗传算法GA为主，神经网络ENN为辅的模型对混合域指标集择优筛选，得到最优特征子集，构建以遗传算法GA为主，神经网络ENN为辅的模型，用GA优化ENN的权值和阈值，获得最优的权值和阈值参数，基于得到的最优特征子集和最优的权值和阈值参数，构建以神经网络ENN为主，遗传算法GA为辅的模型进行故障识别，输出诊断结果；本发明能够全面地反映风电机组轴承的运行状况，不仅可以缩短故障识别时间，而且还能够提高故障识别的精度。
-
公开(公告)号：CN106869990A
公开(公告)日：2017-06-20
申请号：CN201710121485.3
申请日：2017-03-02
申请人： 新疆大学
CPC分类号： E21F7/00 , G06F17/5009 , G06N3/084
摘要： 基于LVQ‑CPSO‑BP算法的煤体瓦斯渗透率预测方法，提出基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ‑CPSO‑BP煤体瓦斯渗透率预测方法。确定临界值将煤层埋深划分为两层；基于有效应力与瓦斯渗透率之间存在拐点关系，确定拐点值将有效应力划分为两段；采用LVQ将4个微观样本参数依据拐点特征进行分类识别，采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化；最后，基于样本案例对本发明构建的LVQ‑CPSO‑BP算法进行了预测结果验证，并与BP算法、GA‑BP算法及PSO‑BP算法预测的结果进行了对比分析。
-
-
-
-
搜索结果
5 条记录 (耗时 0.024 秒)
