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

基于灰色马尔可夫链的核设备退化趋势预测

原子能科学技术 2010年第B09期44卷 390-393页

作者：张黎明赵新文蔡琦武光江海军工程大学船舶与动力学院湖北武汉430033

核设备的状态退化趋势预测是确定其在役检查以及维修计划的重要依据,但由于核设备样本小、退化数据缺乏、退化轨迹具有波动性,难以采用传统的概率统计模型对其退化趋势进行精确预测。为此,本文提出应用灰色马尔可夫链模型对核设备退化... 详细信息

核设备的状态退化趋势预测是确定其在役检查以及维修计划的重要依据,但由于核设备样本小、退化数据缺乏、退化轨迹具有波动性,难以采用传统的概率统计模型对其退化趋势进行精确预测。为此,本文提出应用灰色马尔可夫链模型对核设备退化趋势进行预测的方法,该方法充分利用GM(1,1)和马尔可夫链的优点,能够有效提高核设备退化趋势预测的精度。并以屏蔽泵的退化数据为样本,精确预测了屏蔽泵的退化趋势,同时与GM(1,1)模型的预测结果进行了对比。结果表明,灰色马尔可夫链模型的预测精度更高,能够对核设备的退化趋势进行精确预测。

关键词：核设备灰色马尔可夫链退化趋势预测

在线全文

学校读者我要写书评

暂无评论

华南滨海湿地的退化趋势、原因及保护对策

科学通报 2006年第B11期51卷 102-107页

作者：韩秋影黄小平施平张乔民中国科学院南海海洋研究所热带海洋环境动力学重点实验室

华南地区滨海湿地丰富,以滩涂、红树林和珊瑚礁为主要特征．根据现有文献资料介绍了华南滨海湿地的现状,分析了华南滨海湿地近几十年来的退化趋势,主要表现为滨海湿地面积减少,海水环境污染,生态环境退化,以及生物多样性锐减等4个方面... 详细信息

华南地区滨海湿地丰富,以滩涂、红树林和珊瑚礁为主要特征．根据现有文献资料介绍了华南滨海湿地的现状,分析了华南滨海湿地近几十年来的退化趋势,主要表现为滨海湿地面积减少,海水环境污染,生态环境退化,以及生物多样性锐减等4个方面．同时探讨了造成华南滨海湿地退化的原因,包括法制体系和管理体系不完善,滨海湿地产权机制和评价体系不健全,保护滨海湿地意识薄弱,基础研究不足,以及保护和管理水平落后等方面．最后提出了华南滨海湿地可持续利用对策,主要包括建立健全滨海湿地管理体系和法制体系,开展滨海湿地评价研究,增强公众参与意识,加强科学研究,以及完善滨海湿地自然保护区建设等．

关键词：滨海湿地退化趋势原因对策华南

基于PCA和TCN-Attention的重载铁路钢轨剥离伤损退化趋势预测

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第28期24卷 12333-12341页

作者：王忠美吴海波刘建华何静聂芃轩湖南工业大学轨道交通学院株洲412007

重载铁路在高强度的运输过程中极易导致钢轨产生剥离、磨耗等伤损影响行车安全,为了保证铁路的安全运行,对钢轨的伤损状态监测和预测是非常重要的。然而,目前钢轨伤损检测方法主要以人工道路巡检为主,检测结果存在主观性强、伤损程度量... 详细信息

重载铁路在高强度的运输过程中极易导致钢轨产生剥离、磨耗等伤损影响行车安全,为了保证铁路的安全运行,对钢轨的伤损状态监测和预测是非常重要的。然而,目前钢轨伤损检测方法主要以人工道路巡检为主,检测结果存在主观性强、伤损程度量化难、伤损退化趋势预测难等问题。针对现有问题,提出一种基于主成分分析(principal component analysis,PCA)和TCN-Attention(temporal convolutional networks with attention)的重载铁路钢轨剥离伤损退化趋势预测新方法。首先,从钢轨剥离伤损振动信号中提取时域、频域特征,并采用PCA对提取到的高维特征进行降维;其次,利用时序样本间特征的差异性,构建出钢轨剥离伤损退化指标描述退化趋势性,解决伤损状态度量难的问题;利用TCN网络模型结合Attention机制对有效特征的关注提升模型的预测精度;最后,利用某铁路机务段采集的钢轨从正常到出现损伤直至失效的全生命周期振动数据,对所提方法的有效性进行验证,实验结果表明:所提出的方法能准确地预测钢轨剥离伤损的退化趋势。

关键词：剥离伤损退化趋势时间卷积网络注意力机制

基于遥感图像分析的城市森林景观退化趋势测量技术

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2018年第1期41卷 67-70页

作者：田鹏郑州航空工业管理学院河南郑州450046

为全面反映城市生态平衡建设情况,弥补当前城市森林景观退化趋势测量方法的缺陷,提出基于遥感图像分析的城市森林景观退化趋势测量方法。使用Vgtextract软件对城市森林景观遥感图像的长时序数据进行去噪和提取,并分波段提取图像分辨率... 详细信息

为全面反映城市生态平衡建设情况,弥补当前城市森林景观退化趋势测量方法的缺陷,提出基于遥感图像分析的城市森林景观退化趋势测量方法。使用Vgtextract软件对城市森林景观遥感图像的长时序数据进行去噪和提取,并分波段提取图像分辨率数据。通过分析地理分区相似性,对提取出的图像数据进行边缘分割,获取图像中的城市森林景观,计算城市森林景观指数并集成。将城市不同时期的集成指数相减得到退化数据,用来描述城市森林景观退化趋势。实验结果表明,所提测量方法对遥感图像中城市森林景观的分割效果好,测量偏差小。

关键词：遥感图像城市森林景观退化趋势测量偏差图像分割边缘分割

在线全文

学校读者我要写书评

暂无评论

基于WOA-RVM的滚动轴承退化趋势预测

组合机床与自动化加工技术 2019年第11期 58-61,66页

作者：范强飞廖爱华丁亚琦上海工程技术大学城市轨道交通学院上海201620 上海地铁维护保障有限公司车辆分公司上海200235

针对相关向量机模型(RVM),在滚动轴承性能退化趋势预测中,呈现的参数选择盲目问题,提出了一种基于鲸鱼算法(WOA)优化的RVM预测方法。首先将鲸鱼算法与粒子群算法(PSO),布谷鸟算法(CS)进行比较,结果证明其具有更高的收敛精度和更快的收... 详细信息

针对相关向量机模型(RVM),在滚动轴承性能退化趋势预测中,呈现的参数选择盲目问题,提出了一种基于鲸鱼算法(WOA)优化的RVM预测方法。首先将鲸鱼算法与粒子群算法(PSO),布谷鸟算法(CS)进行比较,结果证明其具有更高的收敛精度和更快的收敛速度;其次采用Cincinnati大学实测滚动轴承全寿命实验数据,提取振动信号的时域、时频域特征向量,并采用主成分分析(PCA)算法对特征向量进行约减融合;然后建立退化趋势预测模型,进行仿真实验,并将基于WOA-RVM模型与WOA-SVM模型、PSO-RVM模型、CS-RVM模型及RVM模型的预测结果相比较,最后结果表明基于WOA-RVM模型具有更好的预测精度,可用于滚动轴承性能退化趋势预测。

关键词：相关向量机鲸鱼优化算法滚动轴承退化趋势

基于时间卷积网络的智能电表退化趋势预测方法研究

在线全文

学校读者我要写书评

暂无评论

基于时间卷积网络的智能电表退化趋势预测方法研究

作者：易珂宇湖南大学

学位级别：硕士

智能电表的运行可靠性关系到电力用户的用电安全、计量准确性影响到电力企业和用户交易的公平公正,然而智能电表在实际运行中易受到复杂环境应力的叠加作用从而发生性能退化甚至失效,因此研究智能电表在现场运行环境中,尤其是典型环境... 详细信息

智能电表的运行可靠性关系到电力用户的用电安全、计量准确性影响到电力企业和用户交易的公平公正,然而智能电表在实际运行中易受到复杂环境应力的叠加作用从而发生性能退化甚至失效,因此研究智能电表在现场运行环境中,尤其是典型环境下的退化趋势具有重要意义。针对此问题,本文提出一种嵌入挤压激励网络(Squeeze and Excitation Networks,SENet)通道注意力模块的改进时间卷积网络(Temporal Convolutional Network based on Swish,STCN)模型,模型采用Swish激活函数和Adam优化器,利用SE-STCN提升对长时序数据的时序特征捕获能力,探究复杂应力的长期作用对智能电表退化趋势的影响。本文首先指出智能电表现行的检定轮换方式存在弊端,明确研究智能电表退化趋势预测的重要意义。通过介绍国内外长寿命设备退化趋势的研究现状,进而总结分析国内外关于智能电表退化趋势预测的研究方法,指出现存方法的特点和不足,引出本文所采用的时间卷积网络模型和注意力机制并介绍其应用现状。然后,在简要介绍智能电表构成基础上,阐述典型环境试验中智能电表状态监测数据的采集方案,从中选取智能电表基本误差作为退化数据,基本误差在复杂应力作用下随时间变化的趋势即为智能电表退化趋势。考虑到不同环境应力对智能电表的影响规律,采用斯皮尔曼相关性分析法对各环境应力分季节进行分析,研究其对智能电表的季节性和差异性影响。进一步,从结构特点上介绍时间卷积网络的相关基础,构建基于传统TCN的智能电表退化趋势预测模型,探讨激活函数和优化器的选取对模型性能的影响并加以改进。接着,针对复杂应力对智能电表季节性、差异性影响的问题,为更好地进行特征权重分配,在改进激活函数和优化器的STCN模型中嵌入通道注意力SE模块,利用全局信息自适应调节特征通道权重,增强模型特征提取能力。利用本文构建的SE-STCN模型结合新疆典型环境试验基地的智能电表现场运行数据,实现智能电表退化趋势预测。同时,引入多种预测模型进行对比分析,实验结果表明本文模型具有更好的预测性能,验证了模型方法的有效性和优越性。最后,针对深度学习方法只能提供点预测的局限性,基于SE-STCN模型与Bootstrap重采样法、蒙特卡洛法分别构建智能电表退化趋势区间预测模型,其预测输出为概率分布,对模型点预测的不确定性进行量化。分析预测结果后得出了Bootstrap重采样区间预测更适合应用于智能电表退化趋势区间预测的结论。

关键词：智能电表退化趋势时间卷积网络通道注意力机制区间预测

基于ELM的滚动轴承退化趋势与剩余寿命预测方法研究

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ELM的滚动轴承退化趋势与剩余寿命预测方法研究

作者：王付广安徽工业大学

学位级别：硕士

对滚动轴承进行退化趋势及剩余寿命预测研究,是保障机械设备安全可靠运行的基础保障性研究内容之一。本文以NASA预诊断数据库的轴承疲劳试验数据为基础数据,利用多频率尺度模糊熵和极限学习机方法,研究了滚动轴承的振动信号特征提取、... 详细信息

对滚动轴承进行退化趋势及剩余寿命预测研究,是保障机械设备安全可靠运行的基础保障性研究内容之一。本文以NASA预诊断数据库的轴承疲劳试验数据为基础数据,利用多频率尺度模糊熵和极限学习机方法,研究了滚动轴承的振动信号特征提取、轴承性能衰退评估指标的构建、状态评估、退化趋势预测和剩余寿命预测等问题。主要工作如下:一、以对滚动轴承早期故障的发生和性能衰退较为敏感为原则,从众多时域、频域特征量中筛选出8个时域特征和10个频域特征。在时频域和熵领域,将经验模态分解和模糊熵相结合,提出“多频率尺度模糊熵(IMFFE)”特征提取方法,得到更为敏感的9个频率尺度上的模糊熵特征量。二、基于主成分分析(PCA)法构建轴承性能衰退评估指标。对筛选得到的敏感特征分领域进行PCA降维融合,得到时域、频域和IMFFE三个综合指标。分析预诊断数据库轴承全寿命周期内三个指标随样本号的变化规律,发现融合后的指标比单一特征量对轴承的性能衰退更为敏感。相对而言,IMFFE指标最佳。三、提出一种轴承运行状态评估方法。该方法以具有全寿命周期监测数据的同型号、近似工况的老旧轴承为“参考轴承”,以正在运行的“待测轴承”的监测历史数据为依据,评估其运行状态。1)根据全寿命周期内IMFFE指标曲线的多项式拟合曲线的斜率变化,确定“参考轴承”平稳运行期、退化期和失效期三个阶段的分界点,并用三条斜率不同的状态直线来标志这三个阶段;2)对“待测轴承”到目前为止的IMFFE指标曲线进行多项式曲线拟合和归一化处理,计算当前点到“参考轴承”三条状态直线的距离,距离最近的状态直线的状态即为此轴承的状态。试验验证表明,该评估方法较为直观简便,评估精度也相对较高。四、在状态评估的基础上,基于优化极限学习机(ELM)自适应预测算法对滚动轴承进行了退化趋势和剩余寿命预测。该算法利用“遍历选取法”选取ELM的两个外部参数,同时用粒子群优化算法选取ELM的两个内部参数,达到同时自适应地优化选取4个算法参数的目的,建立基于优化参数的预测模型。针对滚动轴承退化趋势预测问题,提出一种长期动态迭代的退化趋势预测方法,实现了退化趋势的高精度多步预测。针对滚动轴承寿命影响因素较多,单个指标无法达到预测精度要求的问题,以本文构建的三个评估指标作为多变量极限学习机的输入,预测滚动轴承的剩余寿命,提高了预测的精度。

关键词：滚动轴承多频率尺度模糊熵状态评估退化趋势剩余寿命预测

基于深度学习的刀具磨损状态识别与退化趋势研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的刀具磨损状态识别与退化趋势研究

作者：邓潍潍重庆交通大学

学位级别：硕士

数控机床智能化是推动高质量发展的必然要求,是实现制造强国的重中之重。刀具作为数控机床的关键部件,其磨损状态不仅直接影响产品的表面质量和加工精度,还间接影响企业的生产效率与加工成本。因此,刀具磨损状态识别和退化趋势预测研究... 详细信息

数控机床智能化是推动高质量发展的必然要求,是实现制造强国的重中之重。刀具作为数控机床的关键部件,其磨损状态不仅直接影响产品的表面质量和加工精度,还间接影响企业的生产效率与加工成本。因此,刀具磨损状态识别和退化趋势预测研究对提高产品质量降低生产成本具有重要意义。针对刀具磨损状态难以识别和退化趋势难以预测的问题,本文以数控机床铣刀磨损的力传感器信号为研究对象,提出了基于残差多特征注意力卷积网络的刀具磨损状态识别方法和基于PPRMS和循环神经网络的刀具磨损退化趋势预测方法,并搭建了一套刀具磨损状态评估系统,为刀具磨损状态的精准识别和退化趋势的准确预测提供了支持。本文的主要研究内容包括以下四方面:(1)论述了刀具磨损形态、磨损原因及影响因素、磨损的过程、磨钝的标准以及耐用度,揭示刀具磨损失效机理。对刀具磨损的力信号和振动信号进行特征分析,并对原始刀具磨损信号进行了数据预处理,根据时域、频域、时频域信号处理方法分析了刀具磨损数据特征,为刀具磨损状态识别和退化趋势预测研究奠定了理论基础。(2)针对强背景噪声下刀具不同磨损状态识别难的问题,提出了基于残差多特征注意力卷积网络的刀具磨损状态识别方法。所提方法通过结合Res Net的跨层连接抑制网络加深过程中出现梯度爆炸的特点和SENet网络通道注意力特点,搭建了残差多特征注意力卷积网络模型,实现了强噪声下刀具磨损状态的准确识别,通过不同方法的对比实验验证,结果表明了所提方法的优越性。(3)针对数控机床的刀具加工过程中噪声干扰大、磨损特征微弱导致其寿命退化趋势难以预测的问题,提出了一种基于PPRMS和循环神经网络的刀具磨损退化趋势预测方法。为抑制传感器采集数据过程中随机噪声的干扰,采用峰峰值计算刀具寿命状态数据的幅值波动性大小,并利用高斯4σ准则剔除原始数据中的异常值;采用均方根计算刀具的健康因子,结合Bi-LSTM和Bi-GRU网络搭建了刀具磨损退化趋势预测网络模型,实现了刀具磨损状态的健康评估。通过与单一的循环神经网络模型对比实验分析,证明了所提方法的优越性。(4)依托于柔性智能制造实验室平台和智能制造MES系统,开发了一套刀具磨损状态评估系统,该系统以前后端关键技术为基础,以刀具磨损状态识别和刀具退化趋势预测算法为核心,通过Socket通信技术和Web Socket通信协议实现了设备与客户端、客户端与服务器间的信息交互,实现了刀具磨损状态识别和退化趋势预测模型的在线训练。

关键词：刀具磨损状态识别退化趋势残差多特征注意力评估系统

基于流形学习的滚动轴承性能退化趋势预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于流形学习的滚动轴承性能退化趋势预测研究

作者：肖婷重庆大学

学位级别：硕士

空间滚动轴承作为空间机械设备的关键部件,其工作性能的好坏直接影响到整机的正常运行。空间滚动轴承的运行环境极端恶劣,容易造成轴承在运行一段时间后产生各种各样的缺陷,随着其继续运转,初始缺陷进一步扩展,其运行状态和性能逐渐退... 详细信息

空间滚动轴承作为空间机械设备的关键部件,其工作性能的好坏直接影响到整机的正常运行。空间滚动轴承的运行环境极端恶劣,容易造成轴承在运行一段时间后产生各种各样的缺陷,随着其继续运转,初始缺陷进一步扩展,其运行状态和性能逐渐退化。并且,由于空间场合轴承应用的限制,空间滚动轴承不可能更换,也不可能采用备份来保证轴承的可靠性,所以轴承一旦出现问题,将导致整个空间活动部件的失效甚至毁坏。目前只能开展地面模拟空间环境下滚动轴承性能退化趋势预测的方法研究。因此,需要研究地面模拟空间环境下滚动轴承性能退化趋势预测的方法。采集滚动轴承的振动信号进行处理分析,实现其性能退化趋势预测,准确及时地判断其运行状态是否变化,预测其运行状态的发展趋势,为其设计与维护提供指导依据,避免人员伤亡和设备的损失。基于振动信号的空间滚动轴承性能退化趋势预测可以为轴承可靠性评估和剩余寿命预测提供依据。空间活动件结构复杂,各零部件间振动信号叠加和耦合,且空间滚动轴承的工作环境恶劣、运行工况多变,导致其振动信号有噪声大,非线性等特性。空间滚动性能退化趋势预测孕育于正常状态,没有明显故障,特征十分微弱。而滚动轴承趋势预测的关键就在于提取能表征其运行状态的特征指标,以全面、准确地反映其运行状态。因此,研究一种具有非线性降噪、能建立起敏感特征指标的性能退化趋势预测方法具有重要意义。目前,基于振动信号的趋势预测方法因各自的局限性,都还不能全面、准确地反映空间滚动轴承的运行状态。近年来,流形学习得到了广泛应用与发展。流形学习是数据的一种非线性降维方法,可以有效地挖掘出嵌入在高维数据空间中的低维流形结构,将其应用于空间滚动轴承性能趋势预测具有重要意义。因此,论文基于流形学习方法,结合其他信号分析方法,深入研究了基于流形学习的空间滚动轴承性能退化趋势预测的方法。具体内容安排如下:①针对空间滚动轴承信号强噪声干扰大、非线性的问题,提出了自适应邻域的流形学习降噪方法。首先通过相空间重构将一维非线性时间序列重构到高维空间,充分显露出非线性序列中所蕴含的信息。再利用局部切空间排列流形算法把高维空间映射到有用信号的本征维空间中,从而去除分布在高维空间的噪声。研究自适应邻域方法,使邻域结构更符合数据分布情况,并采用极大似然法估计信号的本征维数。自适应邻域的流形学习降噪方法提高了空间滚动轴承振动信号非线性的降噪效果。②针对空间滚动轴承性能趋势预测中难以建立有效特征指标的问题,提出了基于自适应邻域LPP的空间滚动轴承性能退化趋势预测特征指标构建方法。分析了滚动轴承振动信号的多域特征提取方法,针对多域高维特征间存在冗余、相互冲突,影响后续退化趋势预测的准确度的问题,采用自适应邻域LPP融合特征集,并将融合指标作为轴承性能退化趋势预测的特征指标。③针对传统的趋势预测模型不能预测空间滚动轴承状态的问题,提出了基于最小二乘支持向量机预测模型。在流形学习算法的基础上,将维数约简后的特征信息作为最小二乘支持向量机的输入,训练并建立趋势预测模型,实现空间滚动轴承性能退化趋势预测。④在以上研究的基础上以C#为开发平台,研究空间滚动轴承性能退化趋势预测功能模块。通过实验、应用对该功能模块进行检验,并对本文所提的空间滚动轴承趋势预测方法进行验证。

关键词：空间滚动轴承非线性降噪特征指标退化趋势