基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。     

存在不确定灾害点的交通运输网络应急车辆调度研究

灾害的发生往往具有不确定性,容易造成意想不到的损失,对于未来灾害点的预防是很有必要的。由于各受灾点对应急资源的需求量不同,交通运输网络中的应急车辆调度能否及时对救灾也是至关重要的。对一般的应急车辆调度模型进行改进,结合实际中发生的灾害点及预测未来可能发生的灾害点,建立了以带权重响应时间成本最小和应急物资未满足量最少为目标函数的应急车辆调度模型,并提出了基于遗传算法的模型求解方法,最后通过实例计算分析验证了模型的有效性和实用性。该模型可以在灾害发生前后为应急车辆的调度提供参考。     

路面径流水环境下交通承载力分析

为了对路面径流水容许污染总量控制下的交通承载力问题进行探讨,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,结合公路路面径流水质检测数据,提出了一种基于遗传神经网络进行公路交通环境承载力反计算的分析方法,应用该方法可根据路面径流水质污染数据反演出路段交通量大小,并可据此进行交通量与路而径流水质污染的关...     

一种求解铁路应急供应车站选址问题的优化算法

针对铁路应急物资供应车站的选址问题,采用遗传算法并引入免疫系统中抗体多样性的维持机制的策略,提出了一种新的进化算法——免疫遗传算法。首先,确定各个需求车站的实际需求,然后在保证应急救援尽快展开的前提下,以区域中各个应急供应车站到需求车站的需求量与路程之间的乘积之和最小为目标,建立了一个铁路应急供应车站选址的模型,运用免疫遗传算法求解。最后,通过算例表明了模型的可行性和有效性。     

交通系统智能决策的算法研究

遗传算法是近年来迅速发展起来的一种全新的随机搜索与优化算法，但由于其自身固有的缺陷，通常优化过程的收敛速度较慢，局部搜索能力不足，而且算法稳定性较差。而蚁群算法广泛应用在旅行商问题计算中，目前是较好的求解最短路由问题的算法之一。就其自身来说有很多优点，如正反馈性、鲁棒性和智能性，但是在寻优过程中容易陷入局部最佳的缺点。针对上述情况，将遗产算法与蚁群算法相结合，用于实际交通系统寻找最优路径的问题中，并定义了目标函数，以路径可靠性和路径长度为优化目标，寻找最合适的救灾路线。最后通过实际计算结果的对比验证，说明了该方法的有效性。     

RBI技术应用于LNG设备上的改进研究

基于API581的风险评估技术(RBI)是近年来石化行业逐渐采用并得到认可的一种新的评估设备经济可行性和安全性的技术。但是由于LNG的温度一般低至-162℃,使得LNG设备在应用API581时受到了限制。低温脆性断裂是LNG设备需考虑的一项主要的失效模式,API在评估脆断损伤因子时的温度范围是-73~38℃。为了能够评估LNG设备在低温环境下的风险,通过遗传算法将温度扩展至-209℃。扩展得到的脆断损伤因子曲线同夏比冲击试验的冲击功随温度变化曲线的趋势基本一致,因此扩展的损伤因子可以满足低温环境下LNG设备的风险评估。     

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。     

基于遗传-神经网络的电网流域面雨量预报方法研究

以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。     

城市群综合承灾能力评价的RAGA-PP模型

为解决已有模型普遍存在的难以动态评价非线性寻优的现实问题,引入投影寻踪(PP)模型进行城市群综合承灾能力评价,并运用基于实数编码的加速遗传算法(RAGA)优化辅助多维数据空间拓扑结构的投影方向,对长三角城市群(YRDUA)地区进行实证研究。结果表明：RAGA-PP模型与典型的熵权法(EWM)、灰色关联分析法(GRA)评价结果具有高度一致性,且RAGA-PP评价结果更符合实际,表明RAGA-PP模型具有较强的精确性、稳健性和抗干扰性,不仅能够聚焦于优秀个体的取值区间来实现全局搜索和加速评估,也在较大程度上避免传统方法长期存在的权重设置主观性较强、高维数据不易处理的现实问题;另外,各子系统维度的目标投影值平均水平排序为：抗灾维度>防灾维度>救灾维度>恢复维度,表明抗灾维度指标对综合承灾力影响程度最大。     

基于遗传算法进行EMI滤波器电感的设计

通过电感的高频特性及其对共模插入损耗的影响分析,采用遗传算法和Ngspice仿真库设计出电感的选择方案,最后通过电路仿真和实验同时验证方案的有效性。该方案避免了对EMI滤波器高频段的复杂建模,降低了电感选择的难度,对电感元件的选择具有一定的指导意义。