熊燕
- 作品数：10 被引量：54H指数：5
- 供职机构：红河学院工学院更多>>
- 发文基金：云南省教育厅科学研究基金国家自然科学基金更多>>
- 相关领域：电气工程矿业工程动力工程及工程热物理水利工程更多>>
- 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
- 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
- CQPSO-BP算法在风电机组齿轮箱故障诊断中的应用被引量：11
- 2017年
- 为实现风电机组齿轮箱故障模式的有效识别,提出一种基于混沌量子粒子群优化BP神经网络(CQPSOBP)的故障诊断方法。在该算法中,利用混沌序列来初始化粒子的初始角位置,可提高种群的遍历性;通过引入变异操作,避免算法陷入早熟收敛,并依此来对BP神经网络的初始权值和阈值进行优化。实例表明,同粒子群优化BP神经网络(PSO-BP)与BP网络的诊断结果相比,CQPSO-BP算法具有收敛速度快、识别精度高的优点,可有效用于风电机组齿轮箱的故障诊断系统中。
- 程加堂艾莉段志梅熊燕
- 关键词：风电机组齿轮箱故障诊断BP神经网络
- 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
- 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
- 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
- 矿井安全监测多源信息融合方法的研究被引量：3
- 2014年
- 为了提高矿井安全监测的准确性,引入了一种基于改进证据理论的多源信息融合方法。该方法根据矿井四个不同空间域的特征信息,利用粒子群优化算法来构建矿井安全的初级识别模型,再由证据理论进行信息融合,实现对安全状况的判断。同时引入证据可信度,对初级识别模型的输出结果进行修正。试验结果表明,该方法在原始证据相一致以及出现高度冲突的情况下都具有较高的识别效果,实现了对矿井安全状态的有效监测。
- 程加堂华静艾莉熊燕
- 关键词：粒子群优化算法信息融合安全监测
- 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
- 应用ACSBP算法的轴承故障诊断被引量：1
- 2017年
- 为进行轴承故障位置和损失程度的有效识别,提出一种基于自适应布谷鸟搜索算法结合BP神经网络(ACSBP)的故障诊断模型。在ACS算法中,取消了Levy飞行策略,降低了算法搜索过程的随机性。同时,步长的更新由适应度函数值决定,无需进行参数初始化,以体现面向不同优化问题的普适性。此外,发现概率采用动态调整方式,提高了ACS算法的寻优精度以及收敛速度。以此为基础,实现了轴承故障诊断模型的构建。仿真实例表明,与布谷鸟搜索算法结合BPNN(CSBP)和粒子群算法结合BPNN(PSOBP)相比,ACSBP模型具有较强的容错性,可有效提高轴承故障诊断的精度。
- 程加堂熊燕
- 关键词：轴承故障诊断
