华北电力大学(北京)硕士学位论文锅炉给水系统状态预测支持系统的研究姓名:薛淑香申请学位级别:硕士专业:热能动力工程指导教师:顾煜炯20050301锅炉给水系统状态预测支持系统的研究作者:薛淑香学位授予单位:华北电力大学(北京)相似文献(8条)1.期刊论文沈路.贺小明组合预测在风机振动预测中的应用-中国设备工程2006,(9)本文将组合预测方法引入到风机测点振动烈度的状态预测中,通过比较组合预测模型与其它几种单个预测模型的预测结果,表明采用组合预测法进行振动预测具有更高的精度,为风机的振动预测以及故障诊断提供了一个新的思路.2.期刊论文王红军.张建民.徐小力.WANGHong-jun.ZHANGJian-min.XUXiao-li基于支持向量机的机械系统状态组合预测模型研究-振动工程学报2006,19(2)提出了一种新的支持向量机(SupportVectorMachines,SVM)机械系统状态组合预测模型.应用FPE(FinalPrincipleError)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预测模型.支持向量机采用新型的结构风险最优化准则,预测能力强、鲁棒性好.采用径向基函数和ε损失函数,将该模型应用于实验台和旋转注水机组的状态预测,取得了较好的效果.这表明利用支持向量机的组合预测模型,可以降低设备维修代价,提高设备的安全性和可靠性.3.学位论文秦衡峰基于神经网络的设备状态预测方法研究及在风机上的应用2004D350高速风机是平果铝业公司的关键设备,开展此类风机的故障诊断和振动状态预测,对风机运行的可靠性和安全性具有十分重要的意义.预测技术作为故障诊断技术的重要组成部分,可以预测设备未来一段时间内的运行状态和发展趋势,可以看作是更高层次的故障诊断技术.本文全面综述了故障诊断领域--预测技术的发展情况和发展趋势.提出了基于优化神经网络的迭代预测方法.神经网络隐层节点数的合理与否对于神经网络的性能有着很大的影响,作者基于粗糙集的约简能力,提出了利用粗糙集的决策和约简的概念对神经网络的隐含层结构进行优化的新方法,从而尽可能的求得一个更加合理的网络结构,并且使得预测的结果更准确.本文还提出了基于神经网络的组合预测方法.根据多项式回归、GM(1,1)模型预测和前馈神经网络预测三种各具特点的预测方法,组合成基于神经网络的组合预测方法;利用神经网络的高度非线性和极强的自学习能力,有效的避免了组合预测中对于各个预测方法的加权系数的确定这一难点;并且运用主成分分析技术对数据进行预处理,进一步提高了组合预测方法的精度,同时将基于优化前馈神经网络的组合预测方法成功地运用到D350高速风机的报警时间预测当中.结合具体工程项目,运用以上研究成果,以D350高速风机的振动状态预测为背景,与课题其他成员一起开发了D350高速风机在线监测和故障诊断预测系统.该系统目前已经通过验收,给企业带来了良好的经济效益和社会效益.4.会议论文徐小力.陈涛.温后珍.阎楚良基于支持向量机的大型石化动力设备状态预测技术研究2006大型石化动力设备运行状态具有明显的非线性、非平稳特征,为保障设备的可靠运行及实现科学维护,研究了基于SVM(支持向量机)的状态趋势预测技术,提出了一种新的基于SVM的状态趋势组合预测模型.比较了SVM预测模型和传统的AR预测模型,研究结果表明SVM模型适用于中长期预测,预测精度较高.将该项预测技术应用于大型石化动力设备的状态预测,取得了较理想的预测效果.5.学位论文聂佩林高速公路交通流预测方法研究2008高速公路拥挤的减轻,事故率的降低,管理水平的提高有赖于对交通流进行合理的控制和诱导,而实现交通流控制和诱导的关键问题是准确的交通流预测。交通流预测信息可以作为先进的交通管理系统(AdvancedTrafficManagementSystem,ATMS)的输入,制定前摄式的交通控制策略,还可以作为先进的路径诱导系统(AdvancedTravelerInformationSystem,ATIS)的输入,制定合理的路径诱导信息,帮助出行者更好地进行路径选择。有研究证明,与基于当前信息的交通控制和路径诱导相比,基于预测信息可以取得系统更优的结果。交通流预测按照范围分可以分成:点(路段截面)、线(路段)交通流预测和路网交通流预测。目前点、线交通流预测主要采用以随机过程、数理统计和最优化等理论为数学基础的预测方法,这些方法一般要使用大量的检测数据进行参数估计或训练,具有较高的预测精度,因此也常被称作“数据驱动”方法。但是这些方法缺点是预测性能随不同的时间和道路环境变化,没有一种能够在所有情况下占有绝对优势。在路网交通流预测方面,中观仿真是目前取得效果最好的方法之一,但是由于中观仿真模型参数较多,对参数变化比较敏感,在路网局部点、线上的预测效果不如前者好。针对这两个问题,本文根据从点到线、线到面,简单到复杂思路出发,先从高速公路路段截面的交通流量预测着手,提出了两种交通流量的组合预测方法,然后将点、线预测与中观仿真结合,提出了两者的结合框架。具体的完成内容包括:(1)提出了高速公路交通流量的约束卡尔曼滤波组合预测方法。该方法是若干单一预测方法的动态加权组合,满足线性组合预测原理,其动态组合权值由约束卡尔曼滤波递推方程确定。利用高速公路采集的交通流量数据,通过组合单一的神经网络预测方法和单一的时间序列预测方法,分无干扰预测模型和有干扰预测模型情况对提出的方法进行了测试。实验结果表明:单一的神经网络预测方法或单一的时间序列预测方法预测性能随不同时间、不同预测步长起伏变化,而约束卡尔曼滤波组合预测方法始终优于其中最佳的单一预测方法或与之持平。(2)提出了高速公路交通流量的神经网络组合预测方法。该方法是若干单一预测方法的非线性组合,通过使用神经网络逼近非线性组合映射,实现了组合权值的动态计算。采用高速公路采集的交通流量数据,通过组合单一的神经网络预测方法和单一的时间序列预测方法,分无干扰预测模型和有干扰预测模型情况对提出的方法进行了测试,并和基于线性组合原理的约束卡尔曼滤波组合预测方法进行了对比。实验结果表明:在不同时段、不同预测步长下,神经网络组合预测方法优于单一的预测方法;在整体预测效果上与约束卡尔曼滤波组合预测方法持平。(3)提出了点、线预测与中观仿真结合的交通流预测框架。该框架将数据驱动方法在路网局部点、线的高精度预测能力与中观仿真的路网范围预测能力结合起来,通过可信度高的路网局部的点、线预测值,在线修正中观仿真模型的参数,使得中观仿真模型能够逼近、反映交通流运动趋势,提高路网范围交通状态预测精度。通过结合路段旅行时间预测与中观仿真的实例分析证明,点、线预测和中观仿真结合发挥了两者各自的优势,预测结果比单纯的中观仿真效果好。6.期刊论文郑小平.刘梦婷.李伟.ZHENGXiao-ping.LIUMeng-ting.LIWei事故预测方法研究述评-安全与环境学报2008,8(3)将事故预测方法归纳为情景分析法、回归预测法、时间预测法、马尔可夫链状预测法、灰色预测法和非线性预测法6大类,并进行分析和比较.结果表明:1)目前的预测方法大多针对各自行业部门,因此采用自身相适应的预测方法和提高预测精度是事故预测的关键;2)剔除随机性和偶然性,提取异常点和异质性是工业事故进行预测建模的依据;3)系统安全是一个动态随机的非线性过程,应将定性与定量、线性与非线性、静态与动态预测方法相结合,进行组合预测才有可能实现最优预测;4)基于状态预测的事故优生理念,是未来事故预测理论的发展趋势.7.期刊论文王红军.徐小力.张建民.韩秋实.WANGHongJun.XUXiaoLi.ZHANGJianMin.HANQiuShi大型旋转机械状态组合预示模型研究-机械强度2006,28(z1)大型旋转机械的状态预示技术是实现设备状态维护的关键,针对大型旋转机械的几种典型趋势,提出支持向量机(supportvectormachines,SVM)进行系统故障趋势预示的模型,采用BP(backpropagation)神经网络模型和SVM模型对不同的趋势进行预测,结果表明SVM模型具有预测精度高的特点.在以上研究的基础上,提出一种新的旋转机械系统状态组合预测模型.该模型采用振动烈度和特征频率分量作为预测机械系统状态的敏感因子,采用从时域到频域、频域到时域,构建旋转机械状态预测的组合模型.将基于SVM的组合预测模型应用于旋转注水机组的状态预测,取得较好的预测效果.8.学位论文杜高丽交叉口交通流特性分析及其预测模型研究2006交通系统是一个复杂大系统交通流特性与其影响因素关系错综复杂,完全从数学模型研究难以寻找其规律性。为了能够准确的预测各种情形下的交通流,本文通过对城市交通流的长期观测和数据分析,从海量数据外部表征研究间断流的稳态特征和动态转换特性,提出了基于交通流物理概念的离散车队模型和给予数学模型的时间序列、神经网络和小波分析(组合)模型等交通流短时预测模型。本文的主要工作内容是:1.以交叉口的信号周期为时间尺度,从时域和频域两个不同的角度对动态交通流进行研究,通过动态交通流的三类状态:稳定状态,不稳定状态和异常状态来分析交通流运行状态和交通拥挤的形成原因,从而更深入的了解交通流内在本质的变化规律。2.从交叉口预测需要和交通流状态判定的需求出发,提出了绿灯流率和时间占有率作为交通流预测对象。绿灯流率把以时间为跨度的数据序列转化为以数量为单位的序列,解决了不同周期下交通流状态的统一尺度问题。通过频域分析的结果,确定了交通流的最小预测尺度,以及预测模型的性能指标和精度。3.从交通流的物理概念出发提出了基于车队离散模型的预测方法,将路口关联流量分解为匀速运动车队离散序列,可以很好的预测交通流到达量。这种预测模型原理简单,可操作性强。4.从数学模型的角度提出了时间序列预测模型,提出了稳态交通流预测模型的最佳周期,并对时间序列预测模型的适用性做了进一步探讨,认为由于模型中滑动平均的滤波作用,不适用于不稳定状态的短时交通流的快速跟踪。5.提出了基于神经网络的预测模型。提出了基于作为比较采用前馈和反馈两种网络,举例分析可知,这两种网络对三个信号周期的稳定状态预测得到较好的精度且预测结果差别不大,但对于不稳定状态,突变点的预测结果推迟,这种模型不能实现实时的信号跟踪。6.提出了基于小波分析的组合预测模型。通过小波的分解和重构得到不同尺度上代表不同频段的序列,采用ARIMA模型预测并将预测结果叠加。实例分析显示,这种建模预测方法对不稳定状态的预测行之有效,能够满足实际的需要。本文链接::上海海事大学(wflshyxy),授权号:f4651063-2e10-4b68-a5c9-9dd800dea722下载时间:2010年8月20日