排序方式: 共有31条查询结果,搜索用时 203 毫秒
1.
2.
针对冷水机组产生的故障数据不足,数据集中正常数据和故障数据数量不平衡,进而导致故障诊断精度下降的问题,提出一种基于中心损失的条件生成式对抗网络(central loss conditional generative adversarial network,CLCGAN)和支持向量机(support vector machine,SVM)的故障诊断方法。首先,CLCGAN利用少量真实故障数据生成新的故障数据;然后,将生成的故障数据与初始数据集混合,使正常数据与故障数据的数量达到平衡;最后,利用平衡数据集构建SVM模型进行故障诊断。在GAN生成冷水机组故障数据时,构建动态中心损失项并加入到目标函数中,利用动态的中心损失减少冷水机组生成的各种故障数据的类内距离,从而降低各个故障生成数据之间的重叠程度,增加生成数据的可靠性。在生成故障数据之前配置相应的故障标签,并输入到CLCGAN中指导数据生成过程,使生成的故障数据可以均衡地分布于各个故障类别。在ASHRAE 1043-RP数据集上对所提方法进行了验证,结果表明,相较于其他解决数据不平衡问题的故障诊断方法,所提方法具有更高的故障诊断准确率。 相似文献
3.
工业过程报警管理研究进展 总被引:7,自引:1,他引:6
作为现代工业过程运行的首道保护层,报警系统对保障过程安全、可靠和高效生产起着举足轻重的作用.然而,目前大多数工业报警系统存在着“报警泛滥”这一问题,严重影响了报警系统的应有功能.本文结合工业过程特点和报警管理生命周期,总结了导致“报警泛滥”的主要原因,并依据这些原因,从报警建模与报警根源分析、报警阈值设计、报警优先级划分、报警类型识别与处理、报警系统性能评估等分类综述了报警管理关键技术研究进展、报警管理框架以及工业报警规范、报警管理软件与应用现状.最后,探讨了报警管理领域存在的难题和新挑战. 相似文献
4.
针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性. 相似文献
5.
为提高对发酵过程中质量变量的预测精度,解决发酵数据非线性的问题,提出一种基于核二次互信息回归的质量预测模型.将非线性过程数据核映射至高维特征空间,使其线性可分;基于高维特征空间,使用Renyi二次熵与二次互信息定义目标函数提取过程特征,建立过程特征与质量变量间的回归模型;二次互信息可衡量变量间的非线性关系.仿真实验及大肠杆菌发酵生产数据的实验结果表明,该方法具有较高质量预测精度,对非线性数据有较强处理能力. 相似文献
6.
报警泛滥是过程工业报警管理中普遍存在且难以解决的问题。报警泛滥序列聚类分析有助于报警根源分析和预警。针对目前报警泛滥序列相似度测量方法存在的缺陷,如对报警序列长度限制、计算复杂、依赖参数,采用基于离散傅里叶变换的方法在频域对报警泛滥序列进行相似性分析,提出了离散傅里叶功率谱的欧氏距离作为度量报警泛滥序列相似度距离的方法,计算不同报警泛滥的相似度距离,再通过非加权组平均法获得报警泛滥序列的聚类树状图,根据相似度距离,确定报警泛滥的模式,帮助操作员确定异常根源,做出快速响应。TE仿真过程在不同干扰下的应用实例验证了该方法的有效性、准确性。 相似文献
7.
8.
李志愿毛建昭高慧慧姜猛进刘鹏清徐建军 《高分子材料科学与工程》2018,(5):53-58
以对苯二甲酸、硫酸肼为单体,发烟硫酸为溶剂与脱水剂制备了聚芳噁二唑(POD)成膜溶液,以硫酸水溶液为凝固浴,通过流延涂布和湿法凝固成型制备出了POD薄膜,研究了凝固浴浓度与温度等成型条件对膜结构与性能的影响。结果表明,当凝固浴硫酸浓度增大时,POD膜表面形貌逐渐变得致密平整,结晶度逐渐降低,力学性能逐步提高,击穿场强逐渐增加,当硫酸质量分数达到40%时,所得POD膜具有最佳的综合性能;当凝固浴温度不断升高时,膜的成型过程不断减缓,同时逐步发生水解反应,导致聚合物中酰肼基团增多,结晶度降低,力学性能逐渐变差,吸湿率逐渐增加,当凝固浴温度控制在30℃以下时,所得POD薄膜性能最佳。 相似文献
9.
针对冷水机组产生的故障数据不足,数据集中正常数据和故障数据数量不平衡,进而导致故障诊断精度下降的问题,提出一种基于中心损失的条件生成式对抗网络(central loss conditional generative adversarial network,CLCGAN)和支持向量机(support vector machine,SVM)的故障诊断方法。首先,CLCGAN利用少量真实故障数据生成新的故障数据;然后,将生成的故障数据与初始数据集混合,使正常数据与故障数据的数量达到平衡;最后,利用平衡数据集构建SVM模型进行故障诊断。在GAN生成冷水机组故障数据时,构建动态中心损失项并加入到目标函数中,利用动态的中心损失减少冷水机组生成的各种故障数据的类内距离,从而降低各个故障生成数据之间的重叠程度,增加生成数据的可靠性。在生成故障数据之前配置相应的故障标签,并输入到CLCGAN中指导数据生成过程,使生成的故障数据可以均衡地分布于各个故障类别。在ASHRAE 1043-RP数据集上对所提方法进行了验证,结果表明,相较于其他解决数据不平衡问题的故障诊断方法,所提方法具有更高的故障诊断准确率。 相似文献
10.