排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对新一代航天发射场采用全新的在线供气模式,难以有效评估单样本设备健康状态的问题,提出一种基于隐马尔可夫的设备健康状态管理与预测方法。首先,利用设备监测数据构建隐马尔可夫健康状态评估模型,通过对不同观测序列与不同观测次数下的预测准确率进行仿真,确定出最优的模型参数;其次,把实时数据代入模型,根据模型的计算结果取最小值,从而判断出设备的健康状态;最后,将当前数据与历史数据进行拟合,预测出系统的安全可靠寿命。经实际检验,该方法有效解决了单样本多状态设备的健康评估。 相似文献
2.
设计煤气鼓风机的振动状态监测方案,介绍神经网络的预测原理,选择4-4-1神经网络拓扑结构,采用改进共轭梯度算法进行网络训练,建立振动趋势预报模型,并运用于鼓风机的振动趋势预报。实验结果表明,基于神经网络的预报技术能准确、有效地预报机组的振动趋势。 相似文献
1