准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益。针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法。首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证。结果表明该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值。

对风电机组传动链装配平台进行了研究并设计了电液位置伺服系统,采用了传统PID控制策略,利用神经网络对PID进行调整优化,采用了单神经元神经网络和BP神经网络的控制策略。最后在Matlab Simulink平台对系统进行仿真和分析。

如何用辐射方法测量物体的真实温度是长期存在的难题。本文提出了一种测量目标真实温度的新方法，即基于神经网络模型的多光谱测温方法，并给出了仿真实验结果。

根据当前结冰传感器非线性校正存在的问题,提出了利用BP网络建立传感器逆模型的校正方法.文中采用功能强大的MATLAB工具软件,对神经网络进行训练,获得权值、阈值.实际应用结果表明,该方法简单、实用,大大方便了产品性能一致性不高的结冰传感器在测控系统中的应用.

描述了一种用神经网络技术实现的高精度光栅测量装置.该装置采用BP神经网络对光栅信号进行细分,在仅用7个训练样本的情况下,细分精度可达0.18*'μm,使装置的分辨率得到很大提高,同时,简化了硬件设计,提高了系统的可靠性.

文章介绍了人工神经网络的基本原理及BP网络学习算法，提出了对测量仪器进行校准的一种新方法，并用万用表的校准实验证明了该方法的有效性。

基于软测量的非机理建模原理,利用遗传算法结合人工神经网络建立了煤质在线软测量模型。确定了BP网络与遗传算法（GA）两者结合的建模方式。分析了原煤从进入制粉系统到完全燃烧及排出的整个过程,得到BP网络模型的输入和输出节点参数集;通过对权参数初值进行实数编码,设计了基于实数编码的GA-BP算法流程,并在Visual Studio2005开发平台上进行了GA-BP算法程序编制及其调试。使用山西某电厂的200 MW机组实时运行数据进行模型训练和检测,结果表明煤质软测量模型可以较为准确地预测煤质参数。

提出一种使用BP神经网络检测减压阀故障信号的方法。通过提取减压阀振动时的正常信号和故障信号的均值、标准差、偏度和峰度,作为特征值对建立的BP网络进行训练,再进行故障辨识,取得了令人满意的结果。实验结果证明,利用BP网络进行机械故障检测是可行的。

针对常规PID控制的缺陷，提出了一种基于神经网络的自适应PID控制器，利用神经网络的自学习能力进行在线调整PID参数，通过控制步进电机将其应用于控制恒压供气系统中的气压。实验结果表明，基于神经网络的PID控制器具有计算速度快、适应性强等优点，其控制效果明显优于常规PID控制器，将其应用于恒压供气系统中是行之有效的。

对电液伺服阀故障进行准确快速诊断十分重要.以喷嘴挡板式电液伺服阀为研究对象,分析伺服阀特性曲线与故障的关系,提出基于特性曲线的伺服阀故障诊断方法.通过实验提取一些常见故障模式的特性曲线,运用BP神经网络,实现了电液伺服阀的故障诊断和模式识别.运用的神经网络结构简单,训练次数少,识别准确率较高,是一种实用可行的电液伺服阀故障诊断方法.