检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于对抗自编码的风电齿轮箱异常状态识别

可再生能源 2023年第7期41卷 912-917页

作者：刘潇波柳亦兵曹欣井延伟华北电力大学电站能量传递转化与系统教育部重点实验室北京102206 新天绿色能源股份有限公司河北石家庄050000

对风电机组进行早期异常状态识别,有助于提高机组可靠性、降低运维成本。文章基于监控与数据采集(SCADA)系统数据,提出了一种基于卷积对抗自编码器的风电齿轮箱异常状态识别模型。首先,用预处理后的健康SCADA数据训练卷积对抗自编码器,... 详细信息

对风电机组进行早期异常状态识别,有助于提高机组可靠性、降低运维成本。文章基于监控与数据采集(SCADA)系统数据,提出了一种基于卷积对抗自编码器的风电齿轮箱异常状态识别模型。首先,用预处理后的健康SCADA数据训练卷积对抗自编码器,根据训练结果自适应确定异常状态阈值;然后,将所有数据输入到训练好的模型中,利用自编码器的输入和输出计算曼哈顿距离作为健康状态的度量,使用指数加权移动平均控制图显示结果。由于不同机组所处运行工况不同,每个机组单独训练并测试。现场风电齿轮箱故障案例验证了方法的有效性。

关键词：异常状态识别监控与数据采集系统卷积对抗自编码器指数加权移动平均控制图

维普期刊数据库博看期刊

基于振动信号的轴承早期异常状态识别方法研究

在线全文

学校读者我要写书评

暂无评论

轴承 2013年第7期 59-63页

作者：孙磊贾云献刘峰李华腾红智军械工程学院装备指挥与管理系石家庄050003 军械工程学院科研部石家庄050003 军械工程学院训练部信息管理中心石家庄050003

针对轴承早期异常状态识别问题,提出了一种基于振动信号和HSMM-DBN的轴承早期异常状态识别方法,研究了隐半马尔科夫模型转换为动态贝叶斯网络(HSMM-DBN)的优点和基本过程,并应用该方法对试验数据进行了分析。结果表明,该方法能够有效识... 详细信息

针对轴承早期异常状态识别问题,提出了一种基于振动信号和HSMM-DBN的轴承早期异常状态识别方法,研究了隐半马尔科夫模型转换为动态贝叶斯网络(HSMM-DBN)的优点和基本过程,并应用该方法对试验数据进行了分析。结果表明,该方法能够有效识别轴承故障的早期异常状态,为机械设备异常状态识别提供了一种新的有效方法。

关键词：滚动轴承故障诊断隐半马尔科夫模型动态贝叶斯网络异常状态识别

在线全文

学校读者我要写书评

暂无评论

汽车生产线螺栓打紧异常状态识别

汽车生产线螺栓打紧异常状态识别

作者：安猛沈阳工业大学

学位级别：硕士

对汽车装配来说,螺栓打紧已成为重要的工艺环节,螺栓连接质量直接影响到车辆使用性能和安全。生产线上人工检测繁琐且有漏检情况,判错率高。因此,对螺栓打紧异常识别的研究已经成为企业的关注热点。本文结合目前汽车生产线主流的打紧工... 详细信息

对汽车装配来说,螺栓打紧已成为重要的工艺环节,螺栓连接质量直接影响到车辆使用性能和安全。生产线上人工检测繁琐且有漏检情况,判错率高。因此,对螺栓打紧异常识别的研究已经成为企业的关注热点。本文结合目前汽车生产线主流的打紧工艺,对打紧过程的角度、扭矩等特征分析,通过改进的SMOTE、加权随机森林和K-meansⅡ算法建立机器学习模型,可准确识别异常打紧螺栓并进行故障分类。在汽车装配螺栓研究中,通过分析设备打紧螺栓过程,提出了一种适合分离打紧异常螺栓的扭矩阈值法,通过计算过程扭矩的目标方差范围,设置面积比阈值提取异常样本,可以准确分离异常螺栓,为模型提供样本支持。对获取的打紧数据预处理,解决因工艺造成的噪声点数据、数据缺失、主体数据偏移等问题。根据螺栓打紧特点进行特征提取,包括划分窗口转换时序特征、求取弹性区域曲线斜率,使用PCA算法对特征降维,减少特征维度。面对异常打紧样本过少的问题,提出了SMOTE改进算法,利用改进算法对异常样本过采样,平衡了原数据集。此算法经验证适用于高维特征的不平衡数据,可挖掘并利用更多的样本信息。本文对传统随机森林算法加权改进,使分类准确度高的决策树拥有较大的投票权重,提高样本分类的准确性。基于加权随机森林算法构建异常打紧识别模型,利用真实数据实验,模型识别效果较好,经验证ISM+WRF优于其他组合算法。基于K-means算法建立故障分类模型,对异常螺栓故障分类,采用无监督指标评价,模型表现优异,可识别出螺纹滑牙,工件未对齐,孔深不足三种打紧故障,故障分类准确率可达96%。在Spark平台搭建5节点的集群环境,通过检测模型可并行处理大规模数据,适用于集群环境的工业生产中。取得的成果可辅助生产线工人诊断并修正打紧异常螺栓,具有一定的应用价值。

关键词：螺栓打紧异常状态识别 SMOTE改进算法加权随机森林故障分类

基于SCADA数据的风电机组异常状态识别及故障诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SCADA数据的风电机组异常状态识别及故障诊断研究

作者：柳青秀上海交通大学

学位级别：硕士

与传统电厂使用的蒸汽/水力/燃气轮机等在相对稳定的环境下运行的设备相比,风电机组所处自然环境通常更加恶劣,因此故障率相对较高。近年来,为了减少电厂对生态环境的影响,世界各国对风能的需求日益增长,使得风电机组的尺寸及额定功率... 详细信息

与传统电厂使用的蒸汽/水力/燃气轮机等在相对稳定的环境下运行的设备相比,风电机组所处自然环境通常更加恶劣,因此故障率相对较高。近年来,为了减少电厂对生态环境的影响,世界各国对风能的需求日益增长,使得风电机组的尺寸及额定功率持续增加,设备可靠性进一步降低。因此,利用状态评估算法对风电机组健康状况进行连续监测,实现早期故障诊断,有助于降低运营维护成本,提高维护维修效率,避免因设备自身结构损坏而出现停机甚至灾难性事件。在传感器监测和大数据分析技术的支持下,数据采集与监视控制(SCADA)系统以低成本方式完整记录了能反映风电机组性能连续变化情况的多模态信息,如电压、电流、功率、温度等,为有效进行机组状态监测和故障诊断研究提供了大量数据支持。然而,SCADA数据通常具备时序性、耦合性、故障样本不完备等特征,因此,如何根据现有SCADA数据提供的信息深入挖掘故障特征用于早期故障识别,对于科学合理制定维修策略具有重大意义。基于此,本文的具体研究工作如下:(1)针对SCADA数据时序相关且交叉耦合的问题,本文提出一种基于长短时记忆-自编码(LSTM-AE)神经网络的风电机组运行状态评估方法。首先根据原始数据集中缺失值和噪声值的分布特征,分别采用列表删除法和分类多模型算法进行清洗,以减少数据质量产生的模型不稳定性问题;其次,将AE隐藏层神经元替换为LSTM,使得模型同时具备时序特征提取以及非线性关系处理能力。最后,考虑环境因素可能引起的模型评估偏差,本文提出一种基于支持向量回归的自适应阈值方法替代固定阈值,用于实时监测风电机组运行状态的变化。(2)针对故障数据不完备的问题,本文首先根据运行状态评估模型识别到的异常点,即风电机组处于不满足正常运行要求且还未达到因故障而停机的状态下采集的数据点,提出一种基于Copula熵的互信息估计方法量化参数与异常之间的相关性,选取相关性强的特征作为故障特征;利用故障特征构建基于高斯混合模型的故障诊断改进框架。最后,本文以爱尔兰某海岸附近的风电机组运行数据为例,验证所提方法的有效性。结果表明本文提出的基于SCADA数据的风电机组异常状态识别及故障诊断方法拥有较高的模型精度,能够有效解决以往评估模型较少考虑SCADA数据时序性以及固定阈值识别精确率较低的问题,并且提出的改进故障诊断方法不仅能有效识别不包括在训练集中的新故障类别,还能提供概率结果辅助工程人员做出维修决策。

关键词：风电机组 SCADA数据异常状态识别故障诊断 LSTM-AE神经网络

基于车检器及收费数据融合的高速公路异常状态识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车检器及收费数据融合的高速公路异常状态识别研究

作者：韩坤林重庆大学

学位级别：硕士

异常状态识别是高速公路运管部门进行运营管控、路况信息发布和交通诱导的基础，对减少交通事故造成的人身伤亡、财产损失和避免二次交通事故等方面具有重要的作用。随着智能交通技术的发展和交通信息检测手段的增加，如何利用交通信息... 详细信息

异常状态识别是高速公路运管部门进行运营管控、路况信息发布和交通诱导的基础，对减少交通事故造成的人身伤亡、财产损失和避免二次交通事故等方面具有重要的作用。随着智能交通技术的发展和交通信息检测手段的增加，如何利用交通信息检测手段进行异常状态自动识别引起了广泛关注。因此，研究高速公路异常状态自动识别的关键技术对提升高速公路管理水平和服务水平具有重要的理论和实际意义。本文重点针对目前高速公路车辆检测器布设数量不足导致算法实际应用效果较差的问题，从现有高速交通信息检测手段出发，分析高速公路收费数据，提出了基于车检器和收费数据融合的异常状态识别方法。首先重点分析了基于车检器的交通状态参数对异常状态的灵敏度，同时考虑多种数据源进行异常状态识别，采用收费数据建立异常状态识别方法。最后利用信息融合，建立基于车检器及收费数据融合的异常状态识别方法，解决了单一数据源异常状态识别效果较差的问题。论文的主要研究工作如下：①交通状态参数对异常状态的灵敏度分析。本文对异常状态下交通状态参数进行灵敏度分析，为基于车检器数据的ACI算法参数选择奠定基础。灵敏度分析主要考虑了流量和异常交通状态严重程度两个因素的影响，通过仿真表明，交通状态参数可灵敏的反映交通状态的变化。②针对现有高速公路车辆检测器布设数量不足，本文从多源交通信息采集方式出发，根据高速公路收费数据特征，建立基于收费数据的异常状态识别方法。由于算法性能受到样本车辆数影响，因此本文对算法进行改进，并选取实际数据进行验证，结果表明改进算法在低流量情况下的状态识别性能有所提高。③针对基于单一数据源的异常状态识别可能存在可信度低、实际应用效果较差等问题，本文考虑了基于不同数据源融合进行异常状态识别。本文将算法表决融合方法引入异常状态识别领域，建立基于算法表决融合的异常状态识别方法，算法主要包括3部分：基于车检器数据的ACI算法模块、基于收费数据的ACI算法模块和算法表决融合模块。最后，本文采用实际数据进行验证，结果表明，相比基于单一数据源的状态识别算法，融合算法的在异常状态识别精度方面具有较好的性能。

关键词：异常状态识别灵敏度分析 ACI算法算法表决融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

室内监控系统下异常状态识别算法研究

室内监控系统下异常状态识别算法研究

作者：晋升西南交通大学

学位级别：硕士

随着人工智能的发展,智能监控系统也得到了长足的发展,通过摄像头对室内的异常状态进行提前感知,不仅可以使监控人员从枯燥的盯屏幕中解放出来,还能预防很多安全事故的发生,在现实生活中具有重要的意义。针对室内监控的两类异常状态,即... 详细信息

随着人工智能的发展,智能监控系统也得到了长足的发展,通过摄像头对室内的异常状态进行提前感知,不仅可以使监控人员从枯燥的盯屏幕中解放出来,还能预防很多安全事故的发生,在现实生活中具有重要的意义。针对室内监控的两类异常状态,即异常行为和异常人员,本文分别提供了有效的识别方案。本文将具有潜在危险的动作定义为异常行为,如在室内发生摔倒、肢体冲突等,将未录入身份信息的人员定义为异常人员。本文主要通过时空动作定位算法来捕捉视频流中发生的异常行为,通过人脸识别算法来判断室内人员的身份信息,以筛选出异常人员,主要工作如下:(1)对于异常行为识别,本文基于YOWO时空动作定位算法做改进,设计了一种多尺度预测模型,提出了自适应关键帧采样训练技巧,并对正负样本分配策略进行微调,提出了分层多权重匹配策略和邻域多样本匹配策略。最后在公开数据集J-HMDB-21和UCF101-24上验证了算法的有效性,Frame-m AP指标分别达到了84.5%和87.0%,相比YOWO算法分别提升了10.1%和6.6%。在与近年来最先进的算法对比中,也取得了竞争性的结果,在部分评价指标上取得了最优。在实际场景中,本文利用改进的时空动作定位网络,针对打架斗殴和摔倒两类异常行为进行识别,都取得了极高的识别率。该算法能在GTX1660Ti显卡上达到15FPS,基本满足实时检测的需求。(2)对于异常人员识别,采用轻量级的Retainface网络用于人脸定位,InceptionRes Net-v1特征提取网络用于特征编码,从而实现了多人场景下的身份判别,区分已录入信息的人员和陌生人。本文还融合了人脸识别算法和Deepsort目标追踪算法,并改进身份判别策略,极大缓解了实际场景识别中的误检和漏检问题。(3)整合了异常行为识别和异常人员识别的功能,基于Qt搭建了一体化的室内监控系统平台,能够同时调用多个摄像头识别实际场景中的异常行为和异常人员并实时显示,且具有完善的参数整定和日志功能。

关键词：异常状态识别时空动作定位人脸识别室内监控系统

基于改进K-means聚类的变压器异常状态识别模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力大数据 2018年第5期21卷 24-30页

作者：谢荣斌马春雷张丽娟靳斌贵州电网有限责任公司贵阳供电局贵州贵阳550001

为有效利用变压器历史正常数据识别变压器是否异常,文章提出了基于改进K-means聚类的变压器异常状态识别模型。针对变压器绝大部分运行数据为正常数据,且正常数据逐渐按一定的趋势变化以及异常状态数据变化急剧等特点,基于历史正常数据... 详细信息

为有效利用变压器历史正常数据识别变压器是否异常,文章提出了基于改进K-means聚类的变压器异常状态识别模型。针对变压器绝大部分运行数据为正常数据,且正常数据逐渐按一定的趋势变化以及异常状态数据变化急剧等特点,基于历史正常数据与K-means算法建立变压器异常状态识别模型。根据对正常数据聚类的结果确定用于识别新数据的各个阈值,通过计算新数据到各聚类中心的距离并与各阈值对比确认变压器是否异常。同时针对传统K-means算法的缺点,对K-means算法进行基于密度与距离选择K值与初始聚类中心的改进,使K-means算法有稳定的K值与聚类中心,聚类过程更加快速、稳定、有效,从而使识别模型计算得到的阈值更可靠。实例分析表明,模型能有效对变压器的异常状态进行快速、准确的识别,为变压器状态评估提供一种新思路。

关键词：变压器 K-means 状态评估油中溶解气体异常状态识别

基于改进ReliefF-PNN的航空发动机起动系统异常状态识别

在线全文

学校读者我要写书评

暂无评论

沈阳航空航天大学学报 2023年第6期40卷 68-75页

作者：张雷鸣蒋丽英崔建国李贺刘明昆郭濠沈阳航空航天大学自动化学院沈阳110136

在航空发动机起动系统异常状态的识别研究中,起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度,提高异常状态识别的准确率,将改进ReliefF算法与概率神经网络(probabilistic neural network,PNN)结... 详细信息

在航空发动机起动系统异常状态的识别研究中,起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度,提高异常状态识别的准确率,将改进ReliefF算法与概率神经网络(probabilistic neural network,PNN)结合,提出改进ReliefFPNN的航空发动机起动系统异常状态识别方法,更加有效地降低了参数的维度,并提升了异常状态识别模型的性能。利用该模型针对起动系统进行识别验证和分析。结果表明,利用改进后的ReliefF-PNN算法得到的参数子集进行异常状态识别的准确率优于改进前的结果,模型性能得到了进一步改善。

关键词：发动机起动系统参数选择 ReliefF算法概率神经网络异常状态识别

在线全文

学校读者我要写书评

暂无评论

风电机组变工况变桨系统异常状态在线识别

中国电机工程学报 2019年第17期39卷 5144-5152页

作者：王爽心郭婷婷李蒙北京交通大学机械与电子控制工程学院

风电机组的变桨系统因风速随机波动而经常在不同工况下切换,且其子系统间存在的强耦合性使其故障难以实时检测和精准定位,因此,实际运行中的数据采集与监视控制系统对变桨故障的误报率较高。针对上述问题,提出变工况变桨系统异常状态在... 详细信息

风电机组的变桨系统因风速随机波动而经常在不同工况下切换,且其子系统间存在的强耦合性使其故障难以实时检测和精准定位,因此,实际运行中的数据采集与监视控制系统对变桨故障的误报率较高。针对上述问题,提出变工况变桨系统异常状态在线监测与识别系统。由于变桨系统特征参量在不同工况下对其状态的贡献率不同,基于熵优化邻域粗糙集(entropy-optimized neighborhood rough set,ENRS)对不同工况下的特征参量进行约简建模,提出全工况变桨系统状态特征参量挖掘策略。以其约简数据集作为输入样本,提出以小世界粒子群(small-world particle swarm optimized,SWPSO)优化的熵加权学习向量量化(learning vector quantization,LVQ)为基础模型的SWPSO-熵加权LVQ多模型状态监测器,实现异常状态的精准定位。最后,基于实际风场数据对上述模型进行训练,仿真与测试结果表明,基于ENRS的SWPSO-熵加权LVQ模型能实时并准确地反映变桨系统在变工况下的异常状态模式识别。

关键词：风电机组变桨距系统异常状态识别熵优化邻域粗糙集模型变工况