RBF神经网络球磨机负荷软测量

从操作和控制的观点来看,对一台球磨机牵引功率的估算是非常重要的。影响牵引功率的因素很多,所以在生产厂,牵引功率的预测尤其困难,影响牵引功率的重要因素是磨机尺寸和运行参数,尽管对任何给定的磨机来说,磨机尺寸是保持不变的,但是例如象球荷、磨机充填率及磨机速度一类的操作因素可能发生变化,这就使得建模工作极其麻烦。正是这个原因,人们考虑用人工神经网络去开发用于预测牵引功率的黑箱式模型。在建立和训练神经网络的工程中,一共使用了四十八套选厂数据,训练后的网络所预测出的功率与很多环境中的实际运行的磨机功率十分吻合。此外,模拟的结果可与从基于离散元法的牵引功率模型得来的结果进行比较。

火电厂中钢球磨煤机筒内存煤量的测量问题一直是制粉控制效率低和自动控制难以投入运行的主要原因之一,针对d-s证据理论存在的不足,而利用神经网络具有的自组织、自学习,并行分布处理、高度容错性和鲁棒性的特点,本文提出了一种将证据理论与模糊理论相结合的模糊证据理论方法并将其用于解决球磨机存煤量的测量问题。融合结果表明该方法用于存煤量的测量能够有效判别出存煤量的数值范围及变化趋势,为球磨机自动控制的投入和运行操作提供了有效的保证。

为了减小电力负荷预测中的误差,提出了基于rbf神经网络的电力负荷预测模型.介绍了负荷序列的相似度预测模型,并在此基础上采用了rbf网络对负荷波动值的误差纠正.通过运用实际电力负荷数据进行验证,该模型能较好地避免不良数据的干扰,有效地提高了负荷序列的预测精度.

电力系统短期负荷对电力企业的经济效益和社会效益都有一定影响。因此文中建立了基于rbf神经网络的电力系统短期负荷模型。用历史负荷数据作为训练样本,用训练好的神经网络进行电力系统短期负荷预测,并与bp神经网络进行对比。rbf神经网络的平均误差为2.09%,最大误差为4.77%,相比于bp神经网络精确度较高,有利于电力系统合理地进行调度规划工作。

基于rbf神经网络的建筑逐时空调负荷预测模型——分别用径向基函数(rbf)神经网络模型和bp神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测，发现rbf神经网络模型预测的均方根误差和平均相对误差都仅是bp神经网络方法的64％...

分析了对工程造价有重要影响的众多因素,参考国内外专家、学者的研究成果,确定了影响工程造价的18个主要因素,并基于rbf神经网络建立了工程造价决策模型。本文利用rbf神经网络快速、准确的函数逼近能力,为工程造价决策提供了一种新的方法。

在对筒式钢球磨煤机运行参数及其负荷检测特点分析的基础上,针对单一负荷检测方法的不足,提出了一种从多传感器信息融合角度出发基于复合式神经网络的磨煤机负荷软测量方法。通过复合式神经网络对钢球磨煤机噪音、入口负压、出入口差压、出口温度和电机电流进行融合,获得磨煤机负荷及负荷的变化率,为有效地实施钢球磨煤机的控制提供了更准确的信息。实际测试表明,该方法能够准确反映钢球磨煤机负荷,具有较高的灵敏度。

分别用径向基函数(rbf)神经网络模型和bp神经网络模型对广州市一栋办公楼和一栋图书馆在夏季不同月份的逐时冷负荷进行训练和预测,发现rbf神经网络模型预测的均方根误差和平均相对误差都仅是bp神经网络方法的64%左右.仿真结果表明,rbf神经网络具有更高的预测精度及更好的泛化能力,是建筑空调负荷预测的一种有效方法.在此基础上,构建了基于rbf神经网络的建筑逐时空调负荷智能预测软件系统.

基于rbf神经网络的建筑逐时空调负荷预测模型——在简单介绍变风量空调(vav)系统的基础上，通过多元线性回归原理建立机组部分的静态模型，并对静态模型进行验证；最后用最小二乘法建立动态模型。

基于rbf神经网络的软基沉降预测研究——将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压...

针对建筑工程特点,提出了基于rbf神经网络的建筑工程投标报价方法,建立建筑工程投标报价标高率数学模型。应用matlab计算软件,以实例验证了该模型的正确性及实用性。

介绍了基于matlab的径向基函数rbf神经网络对于建筑物沉降预测的方法,讨论了rbf神经网络的构造思路、参数和分布密度spread的选择。为建筑物变形监测人员的数据分析、变形预测提供了一个可行的概念。

球磨机协议、2740球磨机技术协议

基于rbf神经网络的砂土液化预测——通过分析砂土液化成因及其影响因素，建立了砂土液化预测rbf网络模型，并与bp网络预测模型进行比较．测试结果表明，应用rbf网络模型对砂土液化进行预测，预测效果好，识别精度高．

针对目前混凝土强度预测中存在的不确定性,难以自适应性的确定神经网络隐含层,建立了基于高维云的rbf神经网络的混凝土预测模型。运用matlab8.10进行仿真实验。实验结果表明该模型综合考虑了影响混凝土强度的各种因素,能够实现预测结果的随机性和模糊性,具有更高的预测精度,更快的训练速度,可以广泛应用于生产现场实地的混凝土强度预测和质量检验。

地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与rbf神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数(rbf)神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次b样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。

为了预测混凝土的抗压强度,在分析bp、rbf神经网络原理的基础上,提出用bp、rbf神经网络模拟混凝土抗压强度与搅拌机各主要影响参数间关系的方法。根据搅拌机的实际工作状况,分别建立了4维输入向量、1维输出向量的bp、rbf神经网络模型,通过19组试验,验证了2种模型的可靠性。结果表明,实测结果与预测结果相接近,该2种神经网络模型能较准确地快速预测混凝土抗压强度。

采用简单过程检测仪表(电耳、功率变送器等),建立与球磨机转速率和球料比之间的关系,用径向基网络对过程进行了双因素建模。通过两步有导师的训练,使神经网络的预报值与实际输出的误差平方和达到了10-10以下。仿真结果表明,径向基网络不仅逼近的精度高,而且网络的训练很好地解决了多因素的交互影响。

负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络,具有良好的函数逼近性能,已被广泛应用到电力负荷预测中,并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法,对存在的问题进行了分析,并对未来的发展进行了展望。

负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络，具有良好的函数逼近性能，已被广泛应用到电力负荷预测中，并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法，对存在的问题进行了分析，并对未来的发展进行了展望。

泥球磨机负荷微机检测与控制装置

介绍了一种基于低成本plc网络的球磨机轴瓦润滑分布式监控系统,采用“ipc+网络+plc”的结构,上位工控机选用“组态王”工控软件开发监控程序,下位机用fx2nplc作控制器,并用rs485网络使上位机与plc网络联接.实际运行结果表明,系统运行稳定可靠,结构紧凑灵活,经济效益显著,有一定推广价值.