神经网络信息融合技术在TBM故障诊断中的应用

为了克服液压设备传统诊断技术上的不足,提出了多传感器信息融合技术的故障诊断模型。将信息融合技术与神经网络结合起来,充分利用检测到的各种故障征兆信息准确诊断岩石挖掘机系统的故障。采用混合式数据融合方法,将数据级、特征级和决策级融合通过神经网络的方法综合在一起,解决输入信息不对称性问题,使得小数据量和大数据量的信息融合成为可能。     

空调系统的神经网络信息融合故障诊断研究

空调系统的故障诊断十分复杂。针对传统故障诊断的不足,提出神经网络与信息融合相结合的故障综合诊断方法,对来自多个时刻的故障信息进行融合,得到更为准确的故障综合诊断结果。通过在集中空调教学模型上的仿真试验,证明了该故障诊断方法的可靠性。     

基于神经网络的建筑能耗及设备故障预测方法研究

文章在常规建筑能耗和设备故障预测方法的基础上,根据智慧建筑中BIM模型数据和物联网数据融合形成的数据集,提出了基于BP神经网络的多任务学习方法,将建筑能耗和设备故障预测采用同一神经网络模型进行学习和预测,并阐述了网络结构及损失函数的设计方法,为建筑能耗和设备故障预测提供了新的思路,也为智慧建筑运维管理系统中的智能诊断服...     

基于神经网络的商业数据挖掘的分析与实现

随着信息技术的发展以及数据库管理系统的广泛应用,作为系统数据支撑的数据库,其存储的数据量急剧增大。运用网络爬虫技术和BP神经网络技术,可以提取到这些海量的数据背后隐藏着的许多重要信息。本文阐述了一种网络爬虫技术和增加动量因子的BP神经网络算法在数据挖掘中的应用及实现方法。     

大数据平台下基于信息融合与ADAMS建模的压缩机轴类故障识别

含有压缩机故障诊断模块的分布式大数据平台,已成为石化企业设备管理的未来趋势;基于粗糙集和支持向量机理论的大数据信息的快速分类方法对故障识别不理想,特别是基于典型轴类故障力学建模与诊断相结合技术的有效分类方法尚不成熟;文中提出一种基于LMD(Local Mean Decomposition,LMD)与多重分型谱信息融合的故障识别方法,对故障大数据流中难以判定的轴承类间故障程度与位置进行有效识别,利用ADAMS动力学建模分析典型故障输出振动响应,通过与实测数据对比验证,证实该方法可提高二次故障分类的准确性。     

基于故障树和神经网络的的风机故障在线诊断

本文基于故障树模型和神经网络,提出一种基于故障树和神经网络的风机故障在线诊断方法,它集故障树和神经网络的优点,相比于传统的风机故障诊断,该诊断方法具有更高的准确率和更强的鲁棒性,同时执行效率得到有效提高。目前国内风机故障诊断研究主要存在两方面难题,一是缺乏基础数据,二是信息综合利用率低。对系统进行状态评估和故障诊断时,大部分仅采用单一的判断依据,评估和诊断结果的准确性缺乏。     

运营地铁盾构隧道结构健康诊断的T-S型模糊神经网络方法研究

为了能对地铁盾构隧道结构的健康状态进行更准确评价,以确保今后国内大量地铁盾构隧道的安全运营,将T-S型模糊神经网络方法引入到运营地铁盾构隧道健康诊断研究中,并通过工程实例分析,与模糊综合评价方法进行了比较分析。研究表明:随着实测数据量的增加,基于客观数据所构造的训练样本集会更加科学、系统和全面,T-S型模糊神经网络健康诊断方法能准确反映现场实际情况,是一种新的运营地铁盾构隧道结构健康诊断方法。     

基于SOFM神经网络的水源热泵故障诊断方法研究

本研究针对水源热泵机组常见的6种热力故障,尝试使用SOFM神经网络进行故障诊断。利用水源热泵机组试验台人为制造制冷剂充注量过多、制冷剂泄漏、膨胀阀开度过大与过小、冷却水管路阻塞、系统含不凝性气体共计6种热力故障,记录机组带故障运行时的运行参数,将收集到的参数进行归纳整理,提取出部分特征值制作成数据集。将数据集划分为训练集合与测试集合,前者用于神经网络的训练,后者用于验证神经网络故障的诊断效果。结果表明,SOFM神经网络对于本次实验人为制造出的6种水源热泵热力故障具有较高的诊断正确率,网络迭代500次,用时2.7 s,在有效诊断的同时具有较快的响应速度。     

基于小样本数据挖掘的空气处理机组传感器隐形故障诊断方法

针对空气处理机组系统内传感器隐形故障诊断准确率不足及虚警率较高等问题,本文提出了基于集成经验模态分解软阈值去噪法与RBF神经网络(EEMDSTD-RBF)相结合的故障诊断方法,通过集成经验模态分解软阈值去噪法对采集的原始数据进行数据去噪,将去噪后的正常运行数据以及隐形故障数据输入RBF神经网络进行训练,得到EEMDSTD-RBF故障诊断模型,从而提高RBF神经网络对于空气处理机组传感器隐形故障的诊断准确率,同时,实验证明,该方法有效降低了虚警率。在关于空气处理机组六个传感器点位在三种隐形故障等级下的偏置故障的实验中,结果表明,与RBF及EEMDSTD-BP方法相比较,该方法在不同故障状态下,EEMDSTD-RBF的诊断准确率提高了8.7%～64.7%,虚警率降低了12.62%。     

一起基于全生命周期管理的500千伏MOA局部发热缺陷状态检修案例分析与研究

详述生产实际中的一例MOA局部发热缺陷“医案”:通过详实的数据、图谱、照片,将基于设备全生命周期管理的状态检修理论与工程实践相结合,从状态感知、诊断评估、制定策略、停电检修、措施反馈5个环节进行剖析研究。该案例即可为变电运维管理人员和技术技能人员MOA技术监督工作提供经验参考,提高MOA管理水平。又可为MOA故障智能诊断、多信息融合大数据分析的状态评估方法、机器深度学习算法或数字孪生技术等科研人员,提供鲜活的设备状态规律表达样本,有利于将设备设计、制造、运维过程中的专家经验知识与数字孪生体进行深度融合。