排序方式: 共有23条查询结果,搜索用时 15 毫秒
21.
为了及时发现抽油机故障,减少生产成本,提高生产效率,通过分析不同形状的抽油机示功图来及时准确地判断抽油机工作状况很有必要。传统人工识别方法不能实现抽油机工况实时诊断,而传统智能算法识别准确度低,故提出一种基于栈式稀疏自编码器的抽油机示功图识别方法,用于抽油机故障诊断。该方法通过栈式稀疏自编码器自动提取示功图数据深层可分性特征,然后利用学习到的特征结合对应的样本标签通过支持向量机进行有监督训练与分类。将采集的中原油田实测示功图对该方法进行实验,结果表明该方法具有较高的示功图识别速度和识别准确度。该方法为快速准确地进行抽油机故障诊断提供了参考。 相似文献
22.
23.
针对滚动轴承故障检测的特征自适应问题以及工业互联网边缘计算需求,提出一种基于滑动窗口一维卷积自动编码器(SW1DCAE)的无监督滚动轴承故障诊断方法。首先,将一维卷积与自编码器有效结合,同时加入节点随机丢弃技巧,提高模型的学习能力并防止过拟合;然后,将滑动窗口算法引入模型,针对性的塑造样本,提高模型性能,控制模型响应时间;最后,利用预训练SW1DCAE模型的编码层,与全连接层、Softmax分类层构成分类模型进行轴承故障诊断。试验结果表明:SW1DCAE模型具有良好的数据重构能力,故障分类准确率优于传统的自编码器和卷积神经网络,而且占据存储空间小,运算量低,可搭载于嵌入式系统进行在线检测。 相似文献