设备早期故障预测

通过对设备非正常磨损磨粒进行研究,可以准确预报设备的早期故障.铁谱磨粒分析技术就是设备故障早期预测的基础,它是通过技术手段将设备润滑油中的磨损磨粒分离出来,对其进行微观分析,从而判断故障的部位、性质,为止确处理故障提供科学依据.     

关于船舶轮机设备故障排除的措施探讨

随着社会的发展,我国的船舶业发展迅速,在船舶中机械设备作为最主要的部分,经常会出现故障,影响船舶的正常使用.本文以船舶轮机设备产生的故障为思路,分析轮机设备在运行中出现故障的原因,进而提出有效排除船舶轮机设备故障的方法.     

变电一次设备故障预测及检修方法分析

伴随社会的发展的需求,科学技术也得到了十足的进步,在现代化的社会中,电网工程也被推向了一个新的阶段,本文分析了变电一次设备的故障预测相关的内容,然后描述变电一次设备的检修方法,在最后分析变电一次设备故障的成因,其包括：变压器、断路器以及避雷器的检修。人们的生活和社会的进步离不开电力,所以变电一次设备的相关研究对于一个国家、一个文明有着非凡的意义。     

MOVEX系统在设备故障快速处理中的应用

论述了MOVEX为支撑环境的设备故障快速处理系统。系统分为三层：设备基础数据层、设备及备件管理层、设备故障处理实施层。文中详细阐述了各个层次的定义、内容、作用及相互关系。     

基于SVM的GA及其在农业产业结构优化中的应用

针对遗传算法的特征,提出了通过支持向量机SVM构造遗传算法的适应度函数的新算法,该算法通过统计学习理论指导遗传算法的优化过程,然后又把基于支持向量机的遗产算法应用于农业产业结构优化布局中,结果表明基于支持向量机的遗产算法能较快地全局收敛.     

优化SVM在锅炉负荷预测中的应用

提出智能优化支持向量机算法来提高模型的预测能力和泛化能力。该算法针对支持向量机噪声敏感问题采用小波方法对数据集去噪;利用核主成分分析方法提取数据特征;采用量子粒子群算法优化支持向量机超参数。将该优化算法应用于锅炉负荷短期预测,实验结果表明,该优化算法预测精度较高,收敛速度较快,泛化性能优于其他预测方法,且工程实现容易。     

基于SVM模型在电力负荷预测中的应用

针时目前电力系统负荷预测方法中难以处理大量历史负荷数据的问题,本文选用支持向量机(Support Vector Machines-SVM)法来进行负荷预测.SVM法是一种专用的小样本理论方法--将历史负荷数据按其规律分为具有代表性的几组,分别就每组样本实施预测,综合每组小磋本的预测结果得出最终预测结果,并利用Grubbs检验法来验证预测结果的有效性.此外,将预测结果与GM(1.1)法的预测结果进行比较,突显SVM法在负荷预测中的优势.仿真结果表明,采用SVM法进行电力系统负荷预测具有较高的精确度.     

可编程序控制器在设备故障自动检测中的应用

介绍了在使用可编程序控制器的设备上编制自动检测程序用来检测设备故障的详细方法和编程实例；该程序可以全自动地检测设备故障，从而使设备维修极为简单，设备维修也将由此进入一个崭新的阶段。     

SVM在教师教学质量评价中的应用

教师教学质量评价其目的是为了督促教师不断提高教学实践能力,而传统方法利用主观权重计算评价成绩其合理性受到质疑,需要寻求一种更加科学、合理的评价方法.支持向量机(SVM)是一种新的机器学习方法,该方法有较好的泛化能力,在解决小样本、非线性及多指标评价中有比较大的优势.SVM应用于教师教学质量评价是一种很好的尝试,使用SVM方法根据教师评价指标来估算教师的教学质量好坏,其评价结果更趋合理.     

一种改进的SVM算法及其在股票指数预测中的应用

研究股票数据的特点,根据传统的SVM算法原理,提出一种更新的动态预测模型(DMDI)对股市的大盘和个股的指数分别进行中短期预测.大量的数值实验结果表明,改进的支持向量机算法比单纯直接用支持向量机对股票指数的预测更为有效.具有明显的优越性.     

基于Internet的设备在线监测与故障诊断系统

提出了基于Internet的设备在线监测与故障诊断系统的具体解决方案，论述了在线监测诊断的几个关键及其具体实现方法，该诊断系统已成功运用于武钢某重要设备，证明了该系统能够实现远程在线监测与诊断等服务。     

灰色GM(1,1)预测模型在特种设备安全事故状况预测中的应用

依据 2007—2016 年全国特种设备安全状况数据（安全事故总量、受伤人数、死亡人数等）建立 GM(1,1) 预测模型并验证,引入二阶弱化因子 D2 对传统 GM(1,1) 预测模型进行改进,以适应初始数据震荡变化 趋势,提高模拟精准度。结果表明,改进后的预测模型的精准度符合实际要求,能够在一定程度上反映特种 设备安全事故状况,有助于统筹特种设备安全工作、提出特种设备安全监管措施,对政府有关部门预防安全 事故、制定相关措施具有一定的现实参考价值。     

连铸机辊缝在线测量仪的设计

针对目前国内连铸机缺乏可靠的实时辊缝测量数据、测量精度低的问题,设计了辊缝在线测量仪.该方案采用嵌入式系统,通过双通道并行运行的高速数据采集卡实时采集传感器检测口输出的电压信号、数字信号、脉冲信号,并在PC104中对数据预处理,实现连铸机辊缝数据的在线检测,无线发送接收数据和上位机监控界面的实时处理和存储.本测量仪辊缝间距误差小于0.5%,倾角测量精度达到0.01°,能排除连铸生产过程中存在的潜在故障并提高板坯的质量,减少劳动强度.     

随机海浪作用下的船舶横摇减摇预报方法

介绍了能量等分法建立随机海浪模型的方法,并利用所建立的海浪模型对未减摇船舶横摇运行和安装减摇鳍后船舶横摇运行进行了预报,同时按所要求的性能指标进行了减摇鳍控制器参数的设计,并进行了系统的仿真计算,仿真结果和实船运行结果的比较表明,该方法可用于随机海浪作用下的船舶横摇减摇运行预报。     

基于SVM分类的云集群失败作业主动预测方法

提出了一种使用支持向量机（SVM）模型预测作业终止状态的方法.以Google数据集为研究对象,首先分析作业终止状态的影响因素,提出使用作业的静态特征和动态特征作为终止状态分类的特征向量,选择SVM模型主动预测终止状态;然后从特征向量和分类模型2个层面对准确率、假负率、精确度指标进行验证.特征向量实验结果表明,基于静态和动态特征的SVM预测模型比单独使用静态特征和动态特征,分别提高0.94%、-0.01%、1.35%和9.08%、-1.36%、10.91%.分类模型的比较结果显示,SVM分类预测方法比传统的神经网络模型、朴素贝叶斯模型、逻辑回归模型的预测效果好.     

基于SVM的高校考研预测模型研究

选择适合的特征子集和预测算法用于考研结果或考研成绩预测,在机器学习领域中受到研究者的青睐.影响报考决策和考研结果的因素很多,虽然采用小样本或者范围较大的特征子集,可以获得精度较高的预测结果,但较难保证预测模型的实用性和泛化能力.论文提出一种基于SVM的高校考研预测模型,该模型面向高校所有理工科本科生,以高考成绩和在校原始成绩作为特征子集,并构造三种样本集,分别采用内积核函数、径向基核函数和多项式核函数训练SVM模型.通过与Logistics算法、kNN算法进行训练建模对比测试后,发现本文的预测模型在考研报考决策场景下,具有较高的适应能力和稳定性,对学校鼓励考研和学生制定考研决策具有较高的实用性.     

On-line Failure Diagnostics for Steam Turbine Hydraulic Governing System

Ｏｎ－ｌｉｎｅＦａｉｌｕｒｅＤｉａｇｎｏｓｔｉｃｓｆｏｒＳｔｅａｍＴｕｒｂｉｎｅＨｙｄｒａｕｌｉｃＧｏｖｅｒｎｉｎｇＳｙｓｔｅｍ￥（于达仁）（徐基豫）（高京生）ＹＵＤａｒｅｎ；ＸＵＪｉｙｕ；ＤａｏｕｄＡｉｔ－Ｋａｄｉ；ＧＡＯＪｉｎｇｓｈｅｎｇ（Ｄｅｐ...