基于PSO优化BP的冷水机组故障诊断研究

本文将PSO(粒子群算法)优化BP(误差反向传播神经网络)应用于离心式冷水机组的故障诊断,针对7种典型故障,包括4种局部故障与3种系统故障,建立了PSO优化BP的诊断模型。结果表明:PSO优化后的BP神经网络(包括单隐层与双隐层)故障诊断性能显著提高,神经网络结构简化,较少的隐含层节点即可获得较优的诊断性能。单隐层神经网络优化后最佳隐含层节点数从18降至10,诊断正确率从89. 42%提升至95. 30%;双隐层神经网络优化后最佳隐含层节点数从25降至12,诊断正确率从97. 87%提升至98. 11%,诊断用时仅为优化前的23%。故障诊断虚警率(假报及漏报)降低,且显著改善了系统故障尤其制冷剂泄漏故障的诊断性能,对正常情况的识别率亦极大提高。PSO优化有助于BP网络跳出局部极小值,较好地改善了故障诊断性能。     

基于粒子群优化最小二乘支持向量机的离心式制冷机故障诊断

针对制冷系统传统故障诊断正确率低的问题,引入最小二乘支持向量机(LSSVM)算法用于制冷系统故障诊断。在LSSVM模型基础上,结合粒子群优化(PSO)得到PSOLSSVM模型,利用特征选择方法优化得到LSSVM8模型,利用组合方法得到PSO-LSSVM8模型。分析比较了4种模型的诊断性能。结果表明:PSO-LSSVM模型、LSSVM8模型均可改善基于LSSVM模型的制冷系统故障诊断性能,尤其是对于制冷剂泄漏/充注量不足故障,准确率分别提高1.04%,1.24%;PSO-LSSVM8模型比采用单种优化方法的诊断模型具有更好的诊断性能,可克服人为选择参数的盲目性,在全局优化与收敛速度方面具有较大优势,应用于制冷系统故障诊断具有较好的可行性。     

“双机制”在安全生产管理工作中的意义及思考

风险分级管控和隐患排查治理双重预防机制写入了新修订的《中华人民共和国安全生产法》,将在今后的安全生产管理工作中发挥重要作用,从3个方面详细阐述了“双机制”的重大意义,创造性地分析了安全生产从事故管理到事件管理,再到风险管理的3个阶段,提出了在安全生产管理工作中运用好“双机制”的实践方法,为企业安全生产管理工作提供了理论依据。     

基于交叉验证网格寻优支持向量机的产品销售预测

综合考虑影响汽车销售的多种因素,运用交叉验证网格搜索优化支持向量机的惩罚系数和核函数参数,建立了适合汽车销售的预测模型.仿真实验结果表明,改进支持向量机优化汽车销售预测模型的预测效果比某公司当前采用的模型更佳,该模型具有较高的预测精度和较大的可信度,可为企业决策层提供较为准确的销售预测参考.     

基于现场传感器参数及SVM的冷水机组故障诊断

为了使冷水机组故障诊断模型在现场运行中得以推广,采用冷水机组现场运行的传感器参数,基于支持向量机(SVM),对离心式冷水机组的7类故障建立诊断模型SVM-site,并与采用原始64个参数的SVM64模型进行对比分析。结果表明,SVM-site模型耗时减少,且具有较佳的诊断性能,基本满足现场诊断需求。若继续增加润滑油供油压力和供油温度两个传感器,可有效降低虚警率,显著提升润滑油过量和冷凝器结垢故障的诊断性能。可见,现场传感器参数基本可以满足故障在线诊断的需求,所建立的模型具有较高诊断性能。适当增加传感器参数,可使诊断模型的表现更加出色,从而具有更加良好的应用前景。     

紧张热定型机检修HSE危害分析和预防

介绍了涤纶短纤维装置19辊紧张热定型机的工艺原理和设备结构,阐述了该设备检修工程的难度以及作业前进行危害分析的必要性,指出了各个直接作业环节中涉及到的作业类型,罗列了其中存在的危险源和危险因素,采用PHA预先危害分析方法分析了检修过程中出现危害因素的触发事件,以及产生的原因,并提出了作业前应采取的预防措施.     

基于多种模型集成学习的制冷系统故障诊断

制冷系统故障可由多种模型进行模拟诊断。为了提高其诊断性能,将包括K近邻模型(KNN)、支持向量机(SVM)、决策树模型(DT)、随机森林模型(RF)及逻辑斯谛回归模型(LR)在内的5种成员诊断器,通过绝对多数投票方法集成为一个集成模型,并采用美国采暖、制冷与空调工程师学会(ASHRAE)故障数据对1台90冷吨的离心式冷水机组进行建模及验证,数据包含制冷系统的7类典型故障及一类正常运行。结果表明:集成模型在所选数据集上总体诊断正确率达到99.58%,较各成员诊断器(94.55%～99.05%)均有显著提升,对正常运行、局部故障及全局故障的诊断性能亦有改善。此外,对比分析了不同集成模型及成员诊断器的诊断性能,从中找到诊断正确率与时间成本最佳的集成模型(99.41%,1.34 s)。可见,集成模型较单一模型性能更佳,在制冷系统故障诊断中具有更好的应用前景。     

NMC800型涤纶短纤维切断机的调整方法和原理剖析

介绍了NMC800涤纶短纤维切断机的结构和检修内容;详述了切断机的检修调整方法及原理。切断机的调整主要是调整球体与铜压环的同心度以及球体与铜压环之间的间隙;根据切断机的几何图形及三角函数关系,进行数学推理计算并调整,即先采用百分表测量并调整球体与铜压环的配合同心,然后使用塞尺测量并调整球体与铜压环的间隙为0.02~0.10 mm。     

基于概念漂移检测的制冷系统故障诊断模型自适应

制冷系统实际运行中,故障诊断模型可能出现诊断性能波动或下降等情况,需具备再学习能力以适应现场数据。本文设计了一种基于正确率阈值的概念漂移检测机制及支持向量机增量学习的故障诊断自适应模型,并将其应用于制冷剂过量故障的再学习。该算法通过两次优化选择、过滤数据信息,保留原有诊断知识,仅学习未知样本信息,可极大地节约模型学习时间,快速适应新环境。结果表明,新的故障种类出现时,诊断模型检测到概念漂移,进而通过增量学习进行自我更新,实现对新故障的学习与诊断。1 400个过量故障样本中诊断模型只需要学习600个,且保证最终模型对后续数据流具有较佳诊断性能,正确率高达99%。在现场制冷系统故障诊断应用中,诊断模型的再学习和自适应体现出良好的应用前景。