检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

某地区放射性水化学异常溯源

核电子学与探测技术 2021年第1期41卷 126-131页

作者：刘国安肖开煌伍丽娟李建胡鹏李丽杨益四川省泸州生态环境监测中心站四川泸州616000 核工业二九〇研究所广东韶关512026

本文以某地区水中铀、水中氡为对象开展放射性水化学异常溯源研究。成果表明:水中铀、水中氡的背景值与区内岩体、地层密切相关;在花岗岩地区,水中铀、水中氡具有高背景值,其异常、高值受花岗岩体、赋存于断裂构造中的铀矿以及断裂构造... 详细信息

本文以某地区水中铀、水中氡为对象开展放射性水化学异常溯源研究。成果表明:水中铀、水中氡的背景值与区内岩体、地层密切相关;在花岗岩地区,水中铀、水中氡具有高背景值,其异常、高值受花岗岩体、赋存于断裂构造中的铀矿以及断裂构造控制;水中铀、水中氡高值及异常区域是区内有利铀成矿的反映,可作为划分铀矿成矿远景区的参考;某些铀矿床(点)及其开采释放的核素随地表水、地下水迁移扩散对矿床(点)周边及下游地表水、地下水造成一定的放射性污染。

关键词：放射性水化学水中铀水中氡异常溯源环境影响找矿意义

数据驱动的聚合物共混挤出过程异常情况溯源方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

数据驱动的聚合物共混挤出过程异常情况溯源方法研究

作者：邓旭华南理工大学

学位级别：硕士

共混改性是塑料改性的重要方法,通过充分混合两种或两种以上的聚合物形成宏观相容、微观分相的混合物,改善材料的力学性能和加工性能,利用挤出机获得共混改性产品的过程称为共混挤出过程。在共混挤出过程中,加工条件对挤出产品质量有重... 详细信息

共混改性是塑料改性的重要方法,通过充分混合两种或两种以上的聚合物形成宏观相容、微观分相的混合物,改善材料的力学性能和加工性能,利用挤出机获得共混改性产品的过程称为共混挤出过程。在共混挤出过程中,加工条件对挤出产品质量有重要的影响,若加工条件出现异常,会出现配比不准确、混合不均匀、材料降解等问题,从而导致产品性能下降,质量发生波动,目前常用的质量监测方法是抽样检测,但是这种方法只能推测挤出过程可能出现异常,难以定位异常的原因。仅利用工艺参数进行过程监测,也无法溯源质量波动的原因,因为这些参数与共混物的结构性能没有直接关系。鉴于上述方法的局限性,本文利用共混挤出过程中采集到与共混物结构性能有直接关系的近红外数据、拉曼数据和超声数据以及挤出机工艺状态数据,建立一种基于数据驱动的异常溯源方法,用于检测共混挤出过程共混质量是否出现异常,若出现异常则定位导致异常发生的加工条件,并给出针对性的调整意见。将溯源方法集成为软件平台,用于监测实际共混挤出生产。本文的主要工作如下:（1）基于共混挤出过程数据的特点,提出一种基于多元统计的GMV-KPCA异常检测方法,利用正常加工过程采集到的过程数据确定统计量阈值,通过测试数据的T统计量和SPE统计量是否超出统计量阈值判断加工过程是否出现异常,该方法的T统计量和SPE统计量检测准确率分别达到98.29%和95.03%,同时大大降低了检测时间。（2）加工过程出现异常后,通过异常定位方法确定异常加工条件。首先利用GMV-KPCA模型计算T统计量和SPE统计量的统计量贡献图,将其作为输入进行SVM模型训练和结果预测,得到分类性能更高的CTRB-SVM异常定位模型,其分类准确率和平均分类准确率分别为99.57%和99.58%,实现了模头温度、螺杆转速、组分含量等异常加工条件的准确定位。（3）确定出现异常的加工条件后,基于1D-CNN预测模型建立加工条件异常诊断方法,通过该方法判断异常程度,并给出相应调整意见。对于模头温度异常、螺杆转速异常和组分含量异常三种情况,预测模型的R分别达到了0.997、0.984和0.995。（4）结合异常溯源过程的使用场景,基于B/S架构设计并开发了异常溯源分析平台,实现了异常告警、异常溯源结果显示、加工条件调整意见显示等功能。

关键词：共混挤出数据驱动异常溯源平台开发

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

页岩气压裂过程异常工况预测与溯源方法研究

页岩气压裂过程异常工况预测与溯源方法研究

作者：田斯赟中国石油大学（北京）

学位级别：硕士

页岩气压裂过程中常会出现砂堵、沉砂等异常,若不及时采取措施,会导致压裂作业失败。压裂施工曲线可反映系统异常,因此,有必要进行施工参数变化预测,从而预知异常信息,及时调整施工操作,并对异常进行溯源分析,提出防控措施。本文对此进... 详细信息

页岩气压裂过程中常会出现砂堵、沉砂等异常,若不及时采取措施,会导致压裂作业失败。压裂施工曲线可反映系统异常,因此,有必要进行施工参数变化预测,从而预知异常信息,及时调整施工操作,并对异常进行溯源分析,提出防控措施。本文对此进行了以下几方面工作:(1)针对传统时间序列算法在页岩气压裂施工曲线预测方面效果差的问题,提出基于粒子滤波算法、自回归滑动平均模型的优化局部加权线性回归(Locally Weighted Linear Regression,LWLR)算法,对压裂过程中压力参数进行了向前多步预测。结果表明,相比传统方法,新方法更能准确描述曲线的变化趋势及幅度,预测精度平均提高了2.28个百分点。(2)为提高页岩气压裂异常工况预测准确性,提出基于压裂施工曲线趋势的异常工况预测方法。以砂堵为例,根据压力变化的特点,设置合理的报警阈值,结合向前多步预测方法,实现了异常工况的正确预测。相比传统方法,新方法预测精度提高了6.24个百分点,更准确地预测了预警级别及补救时间,同时减少了误警次数。(3)页岩气压裂过程因素的复杂交互、紧密耦合加大了构建异常工况溯源模型的难度。为此,开展基于贝叶斯网络和功能共振事故模型(Bayesian Network-Functional Resonance Accident Model,BN-FRAM)的溯源方法研究,并通过贝叶斯网络的建立,解决了传统FRAM无法定量分析共振单元影响因素和不能得出直接后果的问题。相比传统方法,新方法可更准确地辨识出异常工况的发生过程及根本原因。

关键词：压裂曲线趋势预测 LWLR 异常工况预测异常溯源 BN-FRAM

时序数据驱动的化工过程风险动态预警研究 ——以合成氨为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时序数据驱动的化工过程风险动态预警研究 ——以合成氨为例

作者：朱君烨昆明理工大学

学位级别：硕士

对化工过程进行在线监测与动态风险预警是降低事故发生的有效途径。本研究以工艺控制系统的历史数据为驱动源,将CNN-LSTM深度学习时序预测、三角模糊数风险量化和Spearman-Apriori异常溯源分析“三位一体”集成一套具备“感知问题,解决... 详细信息

对化工过程进行在线监测与动态风险预警是降低事故发生的有效途径。本研究以工艺控制系统的历史数据为驱动源,将CNN-LSTM深度学习时序预测、三角模糊数风险量化和Spearman-Apriori异常溯源分析“三位一体”集成一套具备“感知问题,解决问题”的化工过程风险预警理论及技术,该技术包含过程风险动态预警及过程异常智能溯源两大功能。研究首先针对传统化工过程风险预警研究中预警指标过于冗余的问题,将风险矩阵表和危险与可操作性分析(HAZOP)相结合,筛选出温度、压力、流量、物料比、液位等8个风险等级较高的关键控制参数作为预警指标。针对预警指标数据具有动态性、时序性、非线性强的特征,构建了CNN-LSTM的深度学习时序预测模型,并利用三角模糊数的隶属函数和风险阈值实现预测数据风险隶属度的模糊风险量化,解决了过去化工过程风险预警模型中风险模糊化的问题。同时基于Spearman-Apriori,构建了化工过程异常智能溯源分析模型,利用Spearman-Apriori中的支持度和置信度二维挖掘各参数之间的超强关联规则,实现过程异常预警原因的智能追溯。将该方法应用于合成氨工艺的合成工段,预警结果显示,当天16:18时给水换热器冷凝剂流量将会到达Ⅰ级黄色报警限。同时对合成塔入口压力超压、合成塔第一床层温度过低两种异常工况进行溯源,发现两组异常工况分别是由于氢氮比增大和给水换热器冷凝剂流量升高导致,其预警结果和溯源结果与实际生产工艺相符,证明该方法可以有效地感知工艺过程未来108min的风险势态并提前预警,同时挖掘出过程异常的根本原因。该预警理论及技术,作为一项化工生产过程控制的智能决策系统,实现了重点参数监测、过程风险预测及预警的动态可视化表征和异常原因智能追溯,为使用生产过程大数据实现化工过程风险动态预警和过程异常溯源提供了新的理论基础,对实现企业安全关口前移和风险的精细化管控具有现实意义。

关键词：化工过程安全 CNN-LSTM 数据挖掘风险预警异常溯源

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分时分相线损曲线分析模型研究与应用

江西电力 2023年第6期47卷 21-24页

作者：杨菊芳徐远强熊涛熊坤姬德森国网江西省电力有限公司南昌市青山湖区供电分公司江西南昌330006 国网江西省电力有限公司供电服务管理中心江西南昌330032

降损是提升电网能效的重要措施。针对台区分布广、用户多,传统诊断方法准确性不高的问题,提出基于分时分相线损曲线分析的线损诊断模型。首先研究HPLC台区分时分相线损计算方法,分析影响因素;其次运用皮尔逊相关系数对分时分相线损曲线... 详细信息

降损是提升电网能效的重要措施。针对台区分布广、用户多,传统诊断方法准确性不高的问题,提出基于分时分相线损曲线分析的线损诊断模型。首先研究HPLC台区分时分相线损计算方法,分析影响因素;其次运用皮尔逊相关系数对分时分相线损曲线进行分析诊断,并对诊断结果进行异常溯源论证诊断准确性;最后运用Matlab对经过脱敏的3个HPLC台区数据样本进行实测分析计算,通过2个算例验证模型的有效性。结果表明,分时分相线损曲线分析对台区线损异常诊断有效。

关键词：分时分相线损异常溯源皮尔逊相关系数

基于支持向量机的阀类产品精密内孔误差在线评定及加工过程质量控制方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于支持向量机的阀类产品精密内孔误差在线评定及加工过程质量控...

作者：肖雄浙江大学

学位级别：硕士

阀类零件是机械产品的重要组成部分,其阀孔加工精度能否得到保证对于产品质量和产品的可靠性至关重要。随着阀类零件的内孔加工精度要求的不断提高,在批量生产条件下依靠常规的评定手段及抽检进行质量控制的方法已不能很好地满足生产的... 详细信息

阀类零件是机械产品的重要组成部分,其阀孔加工精度能否得到保证对于产品质量和产品的可靠性至关重要。随着阀类零件的内孔加工精度要求的不断提高,在批量生产条件下依靠常规的评定手段及抽检进行质量控制的方法已不能很好地满足生产的要求。实现内孔误差快速、准确的在线评定以及根据评定结果实时对加工过程进行质量监控与调整,对于保证阀类零件产品的生产质量具有重要意义。本文依托具体工程项目,提出了基于融合特征与SVR的圆柱度快速评定和基于SVM在线更新的加工过程控制图模式识别和异常参数估计方法,并对孔类零件加工过程中的异常溯源方法进行了研究,以期为加工过程的有效监控和调整提供依据。主要研究工作如下:(1)提出了一种基于融合特征与SVR的内孔圆柱度误差评定方法,通过将内孔直径测量数据与圆度、锥度、直线度作为特征进行融合构建特征集,采用PCA特征约减算法对特征集进行约减,以SVR作为评定工具对内孔圆柱度误差进行评定。对于内孔测量数据特征融合,采用PCA特征约减算法来消除特征合集中的冗余特征分量;对于PCA算法的降维控制参数与SVR的惩罚参数、核函数参数通过粒子群优化算法(Particle Swarm Optimization,PSO)和交叉验证(Cross Validation)实现参数的同步优化。通过与常规测量手段及圆柱度仪测量数据的对比分析结果显示,本文方法在评定精度上明显优于常规检测方法,可以很好地满足现场实时检测的要求。(2)提出了一种基于SVM在线更新的加工过程控制图模式识别方法,结合SVR参数估计方法对已识别的异常模式进行参数估计。通过建立加工过程的控制图,采用基于加工过程统计参数监控更新SVM训练样本,设计了过程参数阈值,使得当质量数据分布参数超过阈值时,重新生成离线仿真训练数据,并对SVM模型重新训练,满足了识别模型适应动态生产过程的要求,实现了 SVM识别模型的在线更新。通过与实际加工过程相适应的模拟仿真实验,结果证实该识别方法能够取得良好的异常模式识别效果,同时参数估计算法能够较好地得到反映异常波动大小的参数估计值。(3)提出了一种融合知识规则和SVR推理机制的异常溯源方法,通过将描述加工过程异常信息及异常原因的知识规则作为特征集,对SVR模型进行训练,得到能够进行异常推理的溯源模型,实现对知识规则的扩充。其中,具体的知识规则均表达为基于加工过程质量控制图异常模式类别、异常模式参数及状态信息下的某个异常原因的置信度。实例证明,通过融入SVR推理方式对规则知识进行重新训练和利用,提高了动态加工过程异常溯源的准确性和有效性。(4)开发了多路阀内孔质量智能判定与控制系统,设计了系统结构、流程及功能模块,包括通用配置模块、质量检测与智能判定模块、SPC分析与模式智能识别模块和异常溯源模块,并将系统应用于多路阀生产企业的实际生产控制,取得了良好的效果。

关键词：阀类产品精密内孔支持向量误差评定模式识别异常溯源

云计算平台中心服务器系统异常检测技术研究及系统实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

云计算平台中心服务器系统异常检测技术研究及系统实现

作者：王博重庆大学

学位级别：硕士

随着电子商务、商业智能、大数据分析、人脸识别等技术的市场化应用,产生了对计算、存储、网络资源的较大需求,并随着业务的变化需要实时调整。云计算能够以弹性扩展、按需分配的特点为云计算服务的提供商和用户带来共赢的商业模式。云... 详细信息

随着电子商务、商业智能、大数据分析、人脸识别等技术的市场化应用,产生了对计算、存储、网络资源的较大需求,并随着业务的变化需要实时调整。云计算能够以弹性扩展、按需分配的特点为云计算服务的提供商和用户带来共赢的商业模式。云计算服务的基础设施往往有大量的服务器运行,保障服务器可靠运行是提供稳定的云计算服务的基础。本文通过运行在服务器上的操作系统对外提供的获取服务器状态的接口,采集服务器的相关状态信息。通过用户设定的状态取值的阈值和服务器历史状态的数据判断服务器运行状态是否异常,做到云计算中心服务器的自动化异常检测、异常通知和异常溯源。由于云计算中心服务器的服务器数量较多,需要实时判断异常,采集的属性维度较高的特点,设计并开发了数据的采集、数据传输、数据存储、异常分析、异常溯源、数据展示共七个模块。本文使用了基于监督学习的方法检测已经明确的异常状态;并运用非监督学习的方法检测未知的异常状态。最后将本文开发的软件部署在服务器中,并对服务器的性能指标进行采集和异常检测算法的测试。本论文的研究工作具体包含以下几个方面:(1)对云计算平台中心服务器系统异常检测进行了需求分析和详细设计,通过开源的软件和框架进行了系统实现。其中完成的功能包括使用异步非阻塞的数据通信传输;基于列式数据库的数据快速存储和查询;使用消息中间件提升系统的稳定性;基于WebSocket协议进行实时数据的可视化。(2)通过研究异常检测的相关算法,本文使用监督学习的支持向量机(SVM)算法检测已知的服务器异常,和使用非监督学习的One Class SVM算法、Isolation Forest算法检测未知的服务器异常。同时本文提出了滑动窗口的方式对多个连续样本进行综合评估,减小因服务器轻微的不稳定而导致异常检测误报的情况。(3)对本系统进行了部署和测试,采集了服务器状态指标和日志,并使用异常检测算法和基于滑动窗口的降低误报概率的方法进行了实验。同时检验了异常通知功能,并测试了基于时间点定位相关日志信息的异常溯源功能。

关键词：服务器异常检测数据通信异常溯源