排序方式: 共有14条查询结果,搜索用时 0 毫秒
1.
2.
3.
基于故障分析模型的贝叶斯网络构建及应用 总被引:3,自引:0,他引:3
为快速、准确地构建具有较完备知识的贝叶斯网络诊断模型,提出了基于故障模式、影响(及危害性)分析知识模型的贝叶斯网络自动构建方法.在该方法中,借助影响(及危害性)知识模型中的产品结构层次关系,将产品各层零部件的故障模式加以关联,形成贝叶斯网络结构;并以影响(及危害性)知识模型中的概率知识为依据,确定贝叶斯网络中节点的先验概率和条件概率.以列车自动门为应用对象,实现贝叶斯网络诊断模型的自动构建,并开发了相应的诊断系统,解决了列车自动门的诊断系统开发、应用跟不上维护的难题.最后,通过列车自动门的故障诊断实例,证明了所构建的贝叶斯网络的有效性. 相似文献
4.
5.
基于粒子群优化支持向量机的变压器故障诊断 总被引:7,自引:4,他引:3
为了克服了人工神经网络(ANN)中存在的过拟合、收敛速度慢、容易陷入局部极值等缺点,提出了基于粒子群优化支持向量机(PSO-SVM)的变压器故障诊断方法,即将粒子群优化算法(PSO)用于SVM参数优化。PSO是一种智能群体搜索方法,它源于对鸟类捕食行为的研究。这种方法不仅具有很强的全局搜索能力,而且容易实现,适合于SVM参数优化。变压器故障诊断实例分析结果证明,PSO-SVM的诊断精度高于IEC三比值法、BP神经网络、普通的SVM,PSO-SVM适用于电力变压器故障诊断。 相似文献
6.
7.
用SVRM预测变压器油中溶解气体量 总被引:1,自引:0,他引:1
变压器油中溶解气体体积分数的预测对变压器故障的早期发现,确保电力系统安全运行有着重要意义。针对现有预测方法的不足,提出了基于支持向量回归机(SVRM)的变压器油中溶解气体体积分数的预测方法,在SVRM算法基础上建立了预测模型,其中结合网格法和留一交叉检验法寻求SVRM中最优的参数组合。变压器油中溶解气体体积分数预测分析的实例表明,在同为小样本训练数据的情况下,SVRM比灰色模型有着更为优越的预测效果。研究表明,SVRM模型更适合于变压器油中溶解气体体积分数的预测。 相似文献
8.
为了提高数控龙门铣床横梁的静动态特性,提出了一种基于灵敏度分析与中心组合设计(Central Composite Design,CCD)相结合的方法对横梁结构进行优化设计.在对横梁进行受力分析的基础上建立横梁的有限元模型,选择关键尺寸对横梁进行静动态特性的灵敏度分析.根据灵敏度分析结果,选择对横梁的静动态特性影响比较大的尺寸进行CCD试验设计,建立响应面模型,以总变形量最小、1阶固有频率最大和质量最小为优化目标对横梁进行多目标优化设计.优化结果表明:横梁在质量减轻的前提下,其静动态特性得到不同程度的改善,为其他结构的优化设计提供了一种新思路. 相似文献
9.
融合粗糙集与灰色理论的电力变压器故障预测 总被引:6,自引:2,他引:4
结合粗糙集和灰色理论的各自特点,提出一种用于变压器故障预测的新方法。基于粗糙集的知识获取方法,获得改进的三比值诊断决策表,并简化决策表,建立最小诊断规则;分别建立决策表中三比值的灰色预测模型,通过灰色模型对特征气体的比值进行预测,获得预测的特征气体比值的状态特征,对照最小诊断规则,得出预测的故障类型,并结合规则置信度和预测的状态特征对该故障类型的支持数确定其发生概率,这种方法通过结合预测气体比值状态特征和诊断规则,尽早准确地发现潜伏的故障类型,从而可以预先有针对性对变压器进行检修;进行变压器故障预测实例分析,预测结果证明该方法的有效性和正确性。 相似文献
10.