简介：针对永磁直线同步电机（PMLSM）直接驱动系统的非线性与电机参数时变、易受扰动的特性，将滑模控制和神经网络控制相结合，用两个神经网络控制器分别实现滑模等效控制和滑模切换控制，构成神经网络自适应滑模控制。仿真结果表明，神经网络滑模控制和常规的滑模控制相比，具有更好的动态稳定性和跟踪性能，对外界干扰具有较强的鲁棒性。

简介：摘 要：风能储量巨大，是可再生能源的重要组成部分，发展潜力无限。本文根据风的特性，提出了基于提升小波和人工神经网络的短期风电功率预测模型并通过运用我国某风电场的实际数据进行仿真分析，结果表明，本文提出的方法在短期风电功率预测上确实有效可行。

简介：摘要：电池管理系统(BMS)可以延长电池寿命，但它取决于所采用方案的准确性。已经开发了不同的技术来通过监控电池的健康状态(SOH)来增强BMS。本文采用循环计数法对电池电压的检测进行了分析，并与人工神经网络这种启发式方法进行了比较。所提出的人工神经网络方法的优点是可以在不将电池与负载断开的情况下监测SOH。此外，人工神经网络的采样数据来自各种技术，包括开路电压(OCV)法、环境温度测量和谷点检测。采用前馈反向传播算法来达到实时监控实验室的目的。结果表明，前馈神经网络(FFNN)在用更多的采样数据训练时，可以获得对SOH的精确估计。

简介：摘要：电力工程是国计民生的重要保障，如何高效、准确地识别异常数据是实施工程的必要手段。文中基于对电力工程数据的分析，利用了分层电网工程数据检测系统，其具有分层体系结构。使用统计模型与神经网络分类器进行数据检测，并测试了5种不同类型的神经网络的性能，以及在分层数据检测系统上进行的异常数据的压力测试结果。基于此，本文对基于BP神经网络的电力工程异常数据识别技术进行探讨，以供相关从业人员参考。

简介：摘要：针对近期“新型冠状病毒”在全球大流行的现象，文章参考生命周期理论，基于微博平台，结合数据与文本信息，构建了突发传染病网络舆情热度评价指标体系，选择“新冠”事件，利用无监督学习模型概率潜在语义分析和深度学习模型BP神经网络，对舆情发展趋势进行分类及预测，验证模型的可行性。为突发传染病网络舆情管控提供参考。

简介：摘要：我国国民经济以及电力相关技术的发展，使得我国的电力事业得到了较快的发展，而在整体电力系统中关键的设施之一就是电力变压器，和电力系统之间的安全稳定运行有着十分紧密的联系，这也正是对其进行检测工作的重要原因。在微电子、计算机等先进技术不断发展的影响下，针对电力变压器进行在线实时监测已经有了极高的可行性。因为油浸性质的电力变压器在运行过程中气体溶解的类型不会出现对应的差异，传统故障诊断方式对于这些复杂多变且无标签的数据无法进行充分应用，因此一种基于深度学习神经网络的诊断方式应运而生。本文先从深度学习的概念以及深度学习神经网络模型分析入手，并在文后详细的在电力变压器故障诊断中如何运用深度学习网络进行了分析。

简介：

简介：摘要：本文针对现役火电厂脱硝改造工程的造价估算，通过对影响脱硝改造造价的主要因素进行综合分析，利用 MALTAB软件构建了基于 BP人工神经网络的火电厂脱硝工程造价的快速估算模型。通过现有工程造价实例对快速估算模型进行训练、模拟及测验，并将模型估算值与现有工程造价实例进行了对比，结果表明该方法可以较好的估算火力发电厂脱硝改造的工程投资。该模型具有较好的快速性及适用性，可以为估算工程造价提供参考。

简介：详细论述了基于人工神经网络的框架结构楼房拆除爆破专家系统各模块的功能，结合工程实例样本库建立了爆堆效果预测模型。工程实践表明，该系统用于框架结构楼房拆除爆破的设计，方法新颖；利用神经网络专家系统对楼房倒塌后的爆堆效果做了预测，其结果与实际值非常接近。

简介：摘要：风能相较于传统能源拥有着巨大的优势，但风电场投建初期数据不足的问题往往为研究人员所忽略。本文在研究 BP 神经网络的基础上，针对训练量不足的问题，提出了运用插值法对预测结果进行修正的方法，使得不同阶段的预测精度相较于传统神经网络有不同程度的提高，表明了本文方法的价值与意义。

简介：近年来，山东能源枣矿集团新安煤业公司充分发挥党小组战斗堡垒和党员引领示范、监督保障作用，不断强化班组自治、个人自律、问题自检、岗位自控、安全自保“五自”管理，推进党小组和班组“双细胞”激活工程，使班组既抓安全生产，又抓党建和思想政治工作，实现党小组和班组的互融互促、同频共振，激发了基层班组活力，促进了安全发展。

简介：摘要： 结合BP神经网络和灰色理论两种单项预测模型算法，实现对变压器油中溶解乙炔气体浓度精确预测。建立组合最优预测模型，根据预测误差平方和最小化的原则先计算各预测模型的权重，然后将各单项模型的权重进行加权综合计算。以变压器油中气体乙炔（C2H2）为例验证了该组合算法，不仅降低各单项预测算法的预报误差，也有效提高了预测模型的准确性能。

简介：摘要：齿轮箱是风电机组运行的关键设备，针对风电机组齿轮箱故障发生频繁，运维成本高等问题，提出一种基于 SCADA系统异常数据清洗和动态神经网络建模的方法对风机齿轮箱油池温度进行建模。随后采用统计过程控制方法分析残差，根据残差分布特征计算阈值上下限，实现齿轮箱油池温度异常状态预警。最后以双馈式风力发电机组为研究对象进行建模分析并给出实例，验证了该模型对齿轮箱油池温度预警具有实用性和有效性。

简介：在多传感器信息融合中，D-S证据推理方法依靠其在不确定性处理算法中的优势，成为现在信息融合的最重要的方法。本文重点阐述证据理论中焦元爆炸问题，针对这一问题，提出基于模糊神经网络的D-S证据理论的信息融合结构。实验数据表明，这种信息融合结构，有效地提高了目标的识别能力。

简介：【摘要】电商库存补单是电商资金运转的一大难题，科学的补充订单和解决库存深度问题能加强电商供应链体系建设，帮助电商加速资金流动，减少库存压力，降低存储成本。本文针对传统的农产品销量预测模型方法的难点和新时代背景下农产品预测市场的需求,根据气候、时间、价格和质量、销售区域五个因素,利用LM算法优化了bp神经网络，并对贵州省威宁县荞酥的未来几天农产品销量建立了相应的网络模型,进行预测实验。结果表明该模型的预测精度较为准确，可以进行预测实验。

简介：摘要：为响应国家节能减排政策，针对火电站燃煤机组效率偏低、污染物排放严重的问题，设计基于人工神经网络预测的燃烧优化与超净排放优化控制系统。本系统应用于国华锦界能源有限责任公司4^#机组，成功提升燃煤机组燃烧效率，降低污染物排放，保证燃煤机组稳定、经济运行。本系统在火电站机组的投入，为推动火电厂高度自动化起推动作用，为国内电厂提供了技术经验和参考。