共查询到20条相似文献,搜索用时 78 毫秒
1.
介绍一种在污水处理领域使用的西门子S7-300和工业以太网交换机SCALANCEX200为核心组成的自控系统.及其故障诊断方法。 相似文献
2.
3.
介绍辽阳石化公司炼油厂加氢装置集散控制系统(Honeywell公司的DCS)的基本配置、过程网络和万能控制网络的日常维护、故障诊断及处理方法等。 相似文献
4.
PLC网络的结构及其通信机制分析研究 总被引:8,自引:0,他引:8
列举了数种名PLC网络,它们大多是三级或四级总线了网复合而成,具有良好的可扩展性及通信适应性,高层子网通用化与标准化的趋势使PLC网络比较容易接入CIMS系统或大型集散系统。分析了PLC网络其它各层采用专利协议的通信原理,存在问题及对策。 相似文献
5.
针对煤矿应急通信系统的特点以及现存的问题展开分析和讨论,基于无线Mesh网络技术的基本原理及结构,构建了井下应急救援无线通信系统,从系统的组网方式以及整体结构方面进行分析和论证,为新的井下应急通信系统的设计提供技术支持。 相似文献
6.
7.
结合现代先进的网络技术 ,开发、实施了齐鲁石化公司状态监测与故障诊断网络系统 ,探讨了本公司今后设备状态监测与故障诊断网络技术开发应用的方向 相似文献
8.
通过对通信网络的交换系统,光纤传输系统,计费系统等要害部位的分析,介绍了Y2O问题在赤天化集团公司通信网络中的影响和危害,并分别针对各部位的具体情况提出对其进行Y2K问题改选的方案。 相似文献
9.
10.
针对柴油发电机的非平稳和非线性振动信号诊断难的问题,利用小波包和遗传算法优化的BP(GA-BP)网络两大工具对其进行故障诊断。首先利用小波包对柴油机发电机的振动信号进行分解,单支重构,构造特征向量,再将特征向量输入到遗传算法优化的BP网络里,从而实现柴油发电机的故障类别诊断。实验仿真和工程应用结果表明:所采用的方法可有效并精确地实现柴油发电机故障类别的诊断。 相似文献
11.
12.
13.
神经网络技术在分布式系统智能故障诊断中应用 总被引:3,自引:1,他引:3
蔡卫峰 《化工自动化及仪表》2002,29(5):12-17
阐述智能故障诊断技术的特点,针对多层次分布式系统,提出分层模块化的两种诊断模式及分层预处理规则;并就神经网络同其它诊断技术相结合的综合智能故障诊断模式的实现方法、特点及可行性作了进一步探讨分析。 相似文献
14.
针对汽轮机故障诊断中出现的多故障识别问题,为有效提高汽轮机多故障诊断的准确率,提出了基于极限学习机的汽轮机故障诊断方法.极限学习机算法在训练时只需设置隐含层神经元个数,从而解决了如神经网络及支持向量机等多参数选取困难的问题,有效地提高了学习机的训练速度.在确定了最优参数的基础上,将极限学习机应用于汽轮机故障诊断模型中,并将极限学习机的故障诊断结果与支持向量机的诊断结果进行对比.结果表明:基于极限学习机的多故障诊断速度及准确率均明显优于支持向量机的诊断结果,对汽轮机故障诊断的实践有非常显著的指导作用. 相似文献
15.
利用模糊神经网络建立离心式压缩机故障诊断模型,使用梯度下降法进行学习训练,引用万能逼近定理设计离心式压缩机非线性系统函数逼近误差公式。仿真结果表明:出现故障后,逼近误差函数能够精确诊断离心式压缩机故障。 相似文献
16.
制冷系统由于内部物质形态的多样性以及系统参数间的高度耦合而较为复杂,也增加了出现故障后的检测及诊断难度。针对制冷系统常见的7种故障,包括局部故障与系统故障,运用主元分析法提取故障样本主要特征,对样本进行降维处理后,基于概率神经网络进行故障诊断。主元分析法可将原始的62个参数分解为相互独立的主元,根据累计贡献率选取一定量的主元,并将其样本输入概率神经网络进行故障诊断,结果表明结合主元分析后的概率神经网络在一定范围内对spread值不敏感,不仅诊断正确率有所提高,而且缩短了诊断耗时。可见,主元分析法的使用可有效优化概率神经网络的诊断性能。 相似文献
17.
提出了一种粗糙集理论与神经网络集成的烟气机故障诊断方法。首先应用SOM网络对故障诊断数据中的连续属性进行离散化,然后根据粗糙集理论,借助遗传算法进行故障诊断决策系统约简,获得最优决策系统。最后在最优决策系统的基础上,设计RBF神经网络对烟气机故障进行诊断。试验结果显示,该方法可以有效提高烟气机故障诊断的精度和效率。 相似文献
18.
为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明:该系统故障诊断正确率达到了93%以上. 相似文献
19.
制冷空调系统广泛用于建筑环境调节,是建筑能耗的重要组成部分,而系统故障运行会造成15%~20%的能耗增加。以深度学习为代表的数据驱动方法是故障诊断的热点技术。然而,数据驱动需要依赖大量标记数据从而限制了其应用。针对上述问题,提出一种基于知识数据化表达的故障诊断方法,通过将故障诊断先验知识以数据化的形式表达弥补真实标记数据不足的难题。首先,提出以随机缩放策略为信息扩增手段的知识数据化方法,并利用添加噪声达到生成样本与真实样本一致性更优的目的。然后,提出基于基准模型的目标系统偏离特性表征方法,将目标系统数据与生成数据的格式统一。最后,利用生成数据训练模型并在ASHRAE RP-1043数据集上验证,综合诊断正确率达82.67%,与经典的监督学习方法效果接近且完全无须标记数据,具有广泛应用前景。 相似文献
20.
提出一种改进的LVQ神经网络的风机故障诊断新方法。利用风机振动频域的特征向量作为学习样本,建立与风机故障类型的映射关系。将能量特征输入改进的LVQ神经网络进行网络训练与检测,以实现风机的故障识别。经比较,其性能优于BP网络和遗传网络,诊断正确率高达96%以上。通过仿真实验和风机的故障诊断实例表明:该网络提高了收敛速度及诊断精度,有效地抑制网络陷于局部极小,更适合风机等较复杂分类问题的故障诊断。 相似文献