RBF神經(jīng)網(wǎng)絡(luò)球磨機(jī)負(fù)荷軟測(cè)量

從操作和控制的觀點(diǎn)來(lái)看,對(duì)一臺(tái)球磨機(jī)牽引功率的估算是非常重要的。影響牽引功率的因素很多,所以在生產(chǎn)廠,牽引功率的預(yù)測(cè)尤其困難,影響牽引功率的重要因素是磨機(jī)尺寸和運(yùn)行參數(shù),盡管對(duì)任何給定的磨機(jī)來(lái)說(shuō),磨機(jī)尺寸是保持不變的,但是例如象球荷、磨機(jī)充填率及磨機(jī)速度一類的操作因素可能發(fā)生變化,這就使得建模工作極其麻煩。正是這個(gè)原因,人們考慮用人工神經(jīng)網(wǎng)絡(luò)去開(kāi)發(fā)用于預(yù)測(cè)牽引功率的黑箱式模型。在建立和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的工程中,一共使用了四十八套選廠數(shù)據(jù),訓(xùn)練后的網(wǎng)絡(luò)所預(yù)測(cè)出的功率與很多環(huán)境中的實(shí)際運(yùn)行的磨機(jī)功率十分吻合。此外,模擬的結(jié)果可與從基于離散元法的牽引功率模型得來(lái)的結(jié)果進(jìn)行比較。

火電廠中鋼球磨煤機(jī)筒內(nèi)存煤量的測(cè)量問(wèn)題一直是制粉控制效率低和自動(dòng)控制難以投入運(yùn)行的主要原因之一,針對(duì)d-s證據(jù)理論存在的不足,而利用神經(jīng)網(wǎng)絡(luò)具有的自組織、自學(xué)習(xí),并行分布處理、高度容錯(cuò)性和魯棒性的特點(diǎn),本文提出了一種將證據(jù)理論與模糊理論相結(jié)合的模糊證據(jù)理論方法并將其用于解決球磨機(jī)存煤量的測(cè)量問(wèn)題。融合結(jié)果表明該方法用于存煤量的測(cè)量能夠有效判別出存煤量的數(shù)值范圍及變化趨勢(shì),為球磨機(jī)自動(dòng)控制的投入和運(yùn)行操作提供了有效的保證。

為了減小電力負(fù)荷預(yù)測(cè)中的誤差,提出了基于rbf神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)模型.介紹了負(fù)荷序列的相似度預(yù)測(cè)模型,并在此基礎(chǔ)上采用了rbf網(wǎng)絡(luò)對(duì)負(fù)荷波動(dòng)值的誤差糾正.通過(guò)運(yùn)用實(shí)際電力負(fù)荷數(shù)據(jù)進(jìn)行驗(yàn)證,該模型能較好地避免不良數(shù)據(jù)的干擾,有效地提高了負(fù)荷序列的預(yù)測(cè)精度.

電力系統(tǒng)短期負(fù)荷對(duì)電力企業(yè)的經(jīng)濟(jì)效益和社會(huì)效益都有一定影響。因此文中建立了基于rbf神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負(fù)荷模型。用歷史負(fù)荷數(shù)據(jù)作為訓(xùn)練樣本,用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測(cè),并與bp神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比。rbf神經(jīng)網(wǎng)絡(luò)的平均誤差為2.09%,最大誤差為4.77%,相比于bp神經(jīng)網(wǎng)絡(luò)精確度較高,有利于電力系統(tǒng)合理地進(jìn)行調(diào)度規(guī)劃工作。

基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測(cè)模型——分別用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)模型和bp神經(jīng)網(wǎng)絡(luò)模型對(duì)廣州市一棟辦公樓和一棟圖書(shū)館在夏季不同月份的逐時(shí)冷負(fù)荷進(jìn)行訓(xùn)練和預(yù)測(cè)，發(fā)現(xiàn)rbf神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的均方根誤差和平均相對(duì)誤差都僅是bp神經(jīng)網(wǎng)絡(luò)方法的64％...

分析了對(duì)工程造價(jià)有重要影響的眾多因素,參考國(guó)內(nèi)外專家、學(xué)者的研究成果,確定了影響工程造價(jià)的18個(gè)主要因素,并基于rbf神經(jīng)網(wǎng)絡(luò)建立了工程造價(jià)決策模型。本文利用rbf神經(jīng)網(wǎng)絡(luò)快速、準(zhǔn)確的函數(shù)逼近能力,為工程造價(jià)決策提供了一種新的方法。

在對(duì)筒式鋼球磨煤機(jī)運(yùn)行參數(shù)及其負(fù)荷檢測(cè)特點(diǎn)分析的基礎(chǔ)上,針對(duì)單一負(fù)荷檢測(cè)方法的不足,提出了一種從多傳感器信息融合角度出發(fā)基于復(fù)合式神經(jīng)網(wǎng)絡(luò)的磨煤機(jī)負(fù)荷軟測(cè)量方法。通過(guò)復(fù)合式神經(jīng)網(wǎng)絡(luò)對(duì)鋼球磨煤機(jī)噪音、入口負(fù)壓、出入口差壓、出口溫度和電機(jī)電流進(jìn)行融合,獲得磨煤機(jī)負(fù)荷及負(fù)荷的變化率,為有效地實(shí)施鋼球磨煤機(jī)的控制提供了更準(zhǔn)確的信息。實(shí)際測(cè)試表明,該方法能夠準(zhǔn)確反映鋼球磨煤機(jī)負(fù)荷,具有較高的靈敏度。

分別用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)模型和bp神經(jīng)網(wǎng)絡(luò)模型對(duì)廣州市一棟辦公樓和一棟圖書(shū)館在夏季不同月份的逐時(shí)冷負(fù)荷進(jìn)行訓(xùn)練和預(yù)測(cè),發(fā)現(xiàn)rbf神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的均方根誤差和平均相對(duì)誤差都僅是bp神經(jīng)網(wǎng)絡(luò)方法的64%左右.仿真結(jié)果表明,rbf神經(jīng)網(wǎng)絡(luò)具有更高的預(yù)測(cè)精度及更好的泛化能力,是建筑空調(diào)負(fù)荷預(yù)測(cè)的一種有效方法.在此基礎(chǔ)上,構(gòu)建了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷智能預(yù)測(cè)軟件系統(tǒng).

基于rbf神經(jīng)網(wǎng)絡(luò)的建筑逐時(shí)空調(diào)負(fù)荷預(yù)測(cè)模型——在簡(jiǎn)單介紹變風(fēng)量空調(diào)(vav)系統(tǒng)的基礎(chǔ)上，通過(guò)多元線性回歸原理建立機(jī)組部分的靜態(tài)模型，并對(duì)靜態(tài)模型進(jìn)行驗(yàn)證；最后用最小二乘法建立動(dòng)態(tài)模型。

基于rbf神經(jīng)網(wǎng)絡(luò)的軟基沉降預(yù)測(cè)研究——將神經(jīng)網(wǎng)絡(luò)理論引入軟基沉降預(yù)測(cè)領(lǐng)域．借助自控領(lǐng)域信號(hào)處理的思想，應(yīng)用改進(jìn)后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的映射模式進(jìn)行軟基沉降的短期預(yù)測(cè)；軟基沉降的長(zhǎng)期預(yù)測(cè)實(shí)質(zhì)上為基于神經(jīng)網(wǎng)絡(luò)的多維歐氏空間的曲面擬合問(wèn)題，將地基壓...

針對(duì)建筑工程特點(diǎn),提出了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑工程投標(biāo)報(bào)價(jià)方法,建立建筑工程投標(biāo)報(bào)價(jià)標(biāo)高率數(shù)學(xué)模型。應(yīng)用matlab計(jì)算軟件,以實(shí)例驗(yàn)證了該模型的正確性及實(shí)用性。

介紹了基于matlab的徑向基函數(shù)rbf神經(jīng)網(wǎng)絡(luò)對(duì)于建筑物沉降預(yù)測(cè)的方法,討論了rbf神經(jīng)網(wǎng)絡(luò)的構(gòu)造思路、參數(shù)和分布密度spread的選擇。為建筑物變形監(jiān)測(cè)人員的數(shù)據(jù)分析、變形預(yù)測(cè)提供了一個(gè)可行的概念。

球磨機(jī)協(xié)議、2740球磨機(jī)技術(shù)協(xié)議

基于rbf神經(jīng)網(wǎng)絡(luò)的砂土液化預(yù)測(cè)——通過(guò)分析砂土液化成因及其影響因素，建立了砂土液化預(yù)測(cè)rbf網(wǎng)絡(luò)模型，并與bp網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行比較．測(cè)試結(jié)果表明，應(yīng)用rbf網(wǎng)絡(luò)模型對(duì)砂土液化進(jìn)行預(yù)測(cè)，預(yù)測(cè)效果好，識(shí)別精度高．

針對(duì)目前混凝土強(qiáng)度預(yù)測(cè)中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測(cè)模型。運(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測(cè)結(jié)果的隨機(jī)性和模糊性,具有更高的預(yù)測(cè)精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場(chǎng)實(shí)地的混凝土強(qiáng)度預(yù)測(cè)和質(zhì)量檢驗(yàn)。

地基沉降是一種危害很大的環(huán)境災(zāi)害。地基沉降的監(jiān)測(cè)數(shù)據(jù)經(jīng)常受降雨及工程施工等諸多外界因素的干擾,故而在沉降曲線中存在許多數(shù)據(jù)突變點(diǎn)。為此,提出基于小波分析與rbf神經(jīng)網(wǎng)絡(luò)相結(jié)合的新的地基沉降預(yù)測(cè)方法,首先采用小波分析對(duì)對(duì)原始監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)去噪處理,進(jìn)而得到反映實(shí)際變化的地基沉降曲線,然后采用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)方法對(duì)其進(jìn)行預(yù)測(cè),為工程設(shè)計(jì)提供依據(jù)。最后結(jié)合工程實(shí)例分析,通過(guò)多種小波去噪與預(yù)測(cè)結(jié)果的對(duì)比研究,表明3次b樣條小波的去噪及預(yù)測(cè)效果最好,與實(shí)測(cè)值能較好地吻合,具有較好的工程應(yīng)用前景。

為了預(yù)測(cè)混凝土的抗壓強(qiáng)度,在分析bp、rbf神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,提出用bp、rbf神經(jīng)網(wǎng)絡(luò)模擬混凝土抗壓強(qiáng)度與攪拌機(jī)各主要影響參數(shù)間關(guān)系的方法。根據(jù)攪拌機(jī)的實(shí)際工作狀況,分別建立了4維輸入向量、1維輸出向量的bp、rbf神經(jīng)網(wǎng)絡(luò)模型,通過(guò)19組試驗(yàn),驗(yàn)證了2種模型的可靠性。結(jié)果表明,實(shí)測(cè)結(jié)果與預(yù)測(cè)結(jié)果相接近,該2種神經(jīng)網(wǎng)絡(luò)模型能較準(zhǔn)確地快速預(yù)測(cè)混凝土抗壓強(qiáng)度。

介紹了一種基于低成本plc網(wǎng)絡(luò)的球磨機(jī)軸瓦潤(rùn)滑分布式監(jiān)控系統(tǒng),采用“ipc+網(wǎng)絡(luò)+plc”的結(jié)構(gòu),上位工控機(jī)選用“組態(tài)王”工控軟件開(kāi)發(fā)監(jiān)控程序,下位機(jī)用fx2nplc作控制器,并用rs485網(wǎng)絡(luò)使上位機(jī)與plc網(wǎng)絡(luò)聯(lián)接.實(shí)際運(yùn)行結(jié)果表明,系統(tǒng)運(yùn)行穩(wěn)定可靠,結(jié)構(gòu)緊湊靈活,經(jīng)濟(jì)效益顯著,有一定推廣價(jià)值.

在預(yù)測(cè)隧道圍巖變形的過(guò)程中,運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法,建立非線性的預(yù)測(cè)模型,結(jié)合張涿高速公路林里隧道的變形實(shí)測(cè)數(shù)據(jù),借助matlab7.1平臺(tái),模擬了隧道圍巖的變形過(guò)程;實(shí)驗(yàn)結(jié)果表明：rbf神經(jīng)網(wǎng)絡(luò)方法在隧道圍巖變形的預(yù)測(cè)中,具有運(yùn)算速度快,預(yù)測(cè)精度高,模型穩(wěn)定可靠的特點(diǎn),在隧道施工過(guò)程中,能夠有效的輔助施工控制,提供預(yù)測(cè)報(bào)告。

投資估算是建筑工程項(xiàng)目可行性研究中關(guān)鍵性的工作,其結(jié)果直接影響投資決策的判斷。針對(duì)現(xiàn)行人工神經(jīng)網(wǎng)絡(luò)估算方法,輸入向量的選擇依據(jù)科學(xué)性不足的缺陷,筆者擬應(yīng)用解釋結(jié)構(gòu)模型(interpretatiuesructralmodelling,ism),分析影響商品住宅造價(jià)的因素,對(duì)造價(jià)影響程度不同的影響因素劃分層級(jí),以選出對(duì)造價(jià)影響較大的因素作為輸入向量,使人工神經(jīng)網(wǎng)絡(luò)在投資估算中的應(yīng)用更有可靠性。

負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),對(duì)于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負(fù)荷預(yù)測(cè)中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測(cè)方法,對(duì)存在的問(wèn)題進(jìn)行了分析,并對(duì)未來(lái)的發(fā)展進(jìn)行了展望。

負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ)，對(duì)于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的函數(shù)逼近性能，已被廣泛應(yīng)用到電力負(fù)荷預(yù)測(cè)中，并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測(cè)方法，對(duì)存在的問(wèn)題進(jìn)行了分析，并對(duì)未來(lái)的發(fā)展進(jìn)行了展望。