排序方式: 共有3条查询结果,搜索用时 31 毫秒
1
1.
大连东部区的璀璨明珠——略谈“华乐-环海花园”智能化园区 总被引:1,自引:0,他引:1
本文从“华乐-环海花园”智能化园区的系统集成的工程实例出发,介绍实现园区智能化的关键是建设两大平台:数字信息平台和控制管理平台。同时介绍了“华乐-环海花园”实际智能化功能,包括园区安防系统、家居安防系统、园区“一卡通”系统、园区智能化管理功能和计算机物业管理系统等。 相似文献
2.
针对传统算法在实际应用中存在网络规模庞大、学习训练时间过长和知识“组合爆炸”而导致网络组织失败等问题,提出基于变分模态分解(Variational Mode Decomposition,VMD)、自回归模型(Autoregressive Model,AR)和轻量型梯度提升机(Light Gradient Boosting Machine,LightGBM)算法的燃气轮机控制系统分层故障诊断方法。首先对原始信号进行VMD AR建模,获取最具表征性的故障特征向量;然后根据不同层级特点和故障类型设计多个LightGBM模型;最后采用贝叶斯优化算法优化分层诊断模型中的超参数,并将待测信号输入模型进行故障诊断。结果表明:所提算法不仅能够达到95%以上的故障识别率,而且具有更强的泛化能力。 相似文献
3.
针对火电厂辅机设备运行工况复杂、系统非线性强、易受背景噪声干扰、故障特征难以提取等问题,提出1种基于最优变分模态分解(OVMD)算法的集成学习模型故障诊断方法。首先,使用OVMD算法对辅机的纵向与横向原始振动信号进行预处理,从中提取均方根、裕度、峰值、平均值、波形指标、方差等10个参数作为轻量级梯度提升机(LightGBM)的特征向量。然后,结合集成学习算法构造Bagging-LightGBM集成学习模型。试验结果表明:与单一的LightGBM分类器相比,Bagging-LightGBM集成学习模型对于火电厂辅机故障诊断性能更优。集成学习模型为火电厂辅机故障诊断研究提供了参考。 相似文献
1