物流货箱温度异变信号实时挖掘技术仿真

在物流货箱内温度异变信号的准确识别问题的研究中,由于集装箱内温度随着货车运输地点不同,呈现非可控性突变.RFID技术在不同区域采集的温度在非可控框架内容易发生温度偏差,造成温度信号突变.传统的温度挖掘模型对不同环境下造成的温度偏差无法做出提前预判,形成虚报警.为解决上述问题,提出基于拓扑关系搜索模型的物流货箱温度异变信号实时挖掘方法.对物流货箱温度数据进行信息重构,为温度异变信号挖掘提供依据.建立温度信号采样点拓扑关系搜索模型,完成异变信号的搜索,实现物流货箱温度异变信号的实时挖掘.实验结果表明,利用改进算法进行物流货箱温度异变信号实时挖掘,能够保证挖掘的精确度,从而为物流运输提供合理的决策依据.     

基于小波变换的动态发动机过热信号检测技术研究

针对传统发动机温度过热,检测技术无法克服存油量波动造成的温度变化信号非线性失真与故障检测效果不佳的问题,提出一种融入诊断网络算法的发动机温度过热信号检测技术,利用小波变换方法,采集动态发动机温度过热故障信号特征,以温度过热信号特征为依据,通过融合诊断网络在隐含层中对温度过热信号挖掘过程中的数据进行传输,得到过热温度变化信息,实现发动机温度过热信号的深度挖掘.实验结果表明,采用该技术能够提高发动机温度过热信号检测的准确度,有利于故障的快速修复.     

航空发动机气路传感网络的故障节点挖掘仿真

航空发动机的气路传感网络故障检测,是通过与发动机气路传感网络产生的基准线进行比较,产生的偏差作为阀值,作为检测故障的基础.由于航空发动机气路传感网络的高度非线性、噪声、测量不足等因素的影响,检测的基准线也呈现波动状态,传统的故障挖掘方法,需要通过做一些必要的假设,设置各种可能故障和性能恶化的范围,规定故障挖掘空间以降低波动干扰,但是上述假设降低了检测的精度.提出一种航空发动机气路传感网络的故障节点挖掘方法.计算故障传感节点的特征,为故障传感节点的挖掘提供数据基础.利用神经网络建立故障传感节点挖掘模型,完成故障传感节点的挖掘.实验结果表明,利用改进算法进行航空发动机气路传感网络的故障节点挖掘,能够有效提高检测的准确性和挖掘效率.     

锅炉过热蒸汽温度的自动调节

本文是针对热电厂锅炉过热蒸汽温度自动调节系统进行分析和论述。     

大型远程客机涡扇发动机过热检测方法研究

研究大型远程客机涡扇发动机过热检测优化问题;传统的大型远程客机涡扇发动机过热检测方法不能有效过滤外界干扰因素,飞机发动机过热检测的准确性较差;为实现大型远程客机涡扇发动机过热的准确检测,提出一种基于随机集与结果残差修正的融合先验知识的大型远程客机涡扇发动机过热诊断方法。对测量数据进行处理获取发动机过热的特征值,得到发动机过热证据可信度分配,并将其表示为证据的随机集形式,利用残差修正理论对计算误差进行调整,计算调整后的证据与先验信息之间的倾斜度,并依据决策规则得到发动机过热的诊断决策,提高检测准确率;结果表明,该方法的诊断正确率达到90%以上,具有很强的实际应用价值。     

基于模糊PID大型电力机组温度过热控制

随着高精密技术的发展,高精度、超高精度的温控系统越来越多被人们运用于大型电力机组中。传统的温度控制系统对各异的真实系统适配性较差,不能保证系统性能,适应性较差。针对这些问题,提出了一种模糊自适应PID大型电力机组温度过热控制算法,即专家-模糊PID控制器方法,根据温度偏差选择采用专家控制还是模糊PID控制,克服适应性差的问题。用专家控制避免设定值震荡,并通过模糊PID温度控制较快达到设定初始目标温度值,并稳定在该值上。最后通过仿真实验证明这种模糊PID超精度温度控制系统对于大型电力机组的温度过热控制问题具有控制精度高、响应速度快、温度波动小等优点。     

涡轮后排气温度摆动故障仿真研究

介绍了一种航空发动机低压涡轮后排气温度Tt摆动故障仿真研究方法,分析了导致航空发动机低压涡轮后排气温度摆动故障的典型原因.应用虚拟仪器编程技术,采用模块化编程思想,建立了低压涡轮后排气温度控制系统仿真平台,实现了实际试车过程低压涡轮后排气温度Tt摆动的故障仿真.在传感器信号回路串入低通滤波器进行滤除干扰仿真,根据仿真结...     

警惕过热危机，硬件温度巧掌控

在高温季节，如果忘记对硬件的呵护，就有可能出现“过热危机”，引发硬件故障。因此，在夏季随时掌握自己硬件的温度就显得较为重要了。那么如何才能方便快捷地掌控电脑硬件的温度变化呢？其实一个小软件就可以实现这一功能，在任务栏上实时显示各部件的温度。     

仿真技术在汽车发动机故障检测中的研究

针对目前汽车发动机的传感器易损坏而导致发动机状态分析的结果产生重大偏差的特点,对人工神经BP网络模型做了改进,使其具有很强的自适应能力而能使网络的收敛方向和速度得到优化,并编制了相应的程序.作为实例,文章对某一实际发动机进行了仿真试验,结果表明该改进的BP网络具有很强的自适应能力,所有的误差控制在3%以内,可以满足工程实际的需要.由于人工神经网络在实际应用中不涉及具体的物理模型,因此该模型对发动机的状态参数在线仿真、减少传感器的维护量,特别是对发动机故障诊断技术水平的提高有很大的意义.     

非稳态故障信号的深度挖掘方法仿真分析

机械设备在运转中转速总会存在波动或者发生较大变化,与转速相关的故障特征频率也会产生一定的波动,甚至是较大范围的跳跃,设备振动故障特征频率存在非线性,很难用模型公式描述.传统的采用小波分解的故障特征挖掘方法,将信号分解到不同频段上,判断故障特征频率的一致性,上述方法诊断条件单一、规则惟一,一旦故障信号不完整或信号波动,就无法进行诊断.为了避免上述缺陷,提出了一种融合诊断网络算法的非稳态故障信号的深度挖掘方法.利用小波变换方法,提取非稳态故障信号的特征.再利用融合诊断网络,获取故障信息,从而实现非稳态故障信号的深度挖掘.实验结果表明,利用改进算法能够有效提高非稳态故障信号挖掘的准确性,有利于故障的快速修复.     

多层传感器故障数据的挖掘模型仿真

多层传感器的故障准确定位对保证各自应用安全至关重要.多层传感器不同于传统的传感器网络,其不同层次的传感器故障的特征差异较大,不同层次传感器之间存在故障特征“断层”问题.传统的基于流数据异常特征识别的多层传感器故障数据的挖掘模型需要明确层次网络故障之间的关联特征,若传感器层次之间的故障特征关联性不强,故障挖掘的阀值就无法固定,产生故障特征无法定位问题,导致误警率较高.提出了一种基于贝叶斯信念网络的多层传感器故障数据的挖掘模型,针对多层传感器故障数据属性多样性的问题,分析了贝叶斯信念网络的结构,搜索一个最匹配待分类故障数据样本的贝叶斯信念网络,通过评估函数评估各个可能的网络结构与样本多层传感器故障数据间的契合度,采集一个最佳样本多层传感器故障数据解,通过“压缩侯选”的贝叶斯信念网络算法,计算样本多层传感器故障数据间的依赖关系,集中扫描最可能是待挖掘数据的变量集,实现故障数据的挖掘.实验结果表明,利用所提模型能够有效提高多层传感器故障数据的挖掘的准确性.     

基于数据挖掘的搜索引擎技术

设计实现了基于数据挖掘的搜索引擎技术,将数据挖掘技术和自动化中的用户负反馈概念引入到搜索引擎中,从而大大提高了查全率和查准率。     

基于仿真与数据挖掘的故障诊断方法研究

针对导弹武器系统故障信息的特点,提出了系统仿真与数据挖掘相结合的综合故障诊断方法.文中将导弹武器系统故障检测信息分为3类,即:离散交互特征信息、连续动态特征信息和离散事件特征信息.通过实例阐述了数据挖掘在导弹武器系统故障诊断中的应用.分析了基于仿真的故障诊断方法,在此基础上,结合仿真与数据挖掘各自在故障诊断方面的优势,进一步提出了基于仿真与数据挖掘的综合诊断方法,给出了方法的步骤和诊断流程.     

对等P2P网络中大数据关键特征挖掘模型仿真

在网络数据管理优化问题的研究中,对等P2P为点对点网络通信.由于数据特征受到主观因素的影响较大,无法形成固定的关联特征,使得关键特征定位往往需要进行较大规模的大数据对比,传统的关联规则方法应用到此网络特征搜索过程时,建立的规则往往较为混乱甚至无规则可言,造成数据特征挖掘耗时,无效挖掘行为较多,效率较低.为此,提出利用Apriori算法的对等P2P网络中大数据关键特征挖掘方法.筛选对等p2p网络中大数据特征,选取聚类中心,并针对聚类中心进行关联性计算,删除关联性较差的特征.根据Apriori算法相关理论,对数据进行连接和剪枝处理,建立大数据关键特征挖掘模型.实验结果表明,利用改进算法进行对等p2p网络中大数据关键特征挖掘,能够提高挖掘的准确性,满足p2p网络的实际需求.     

基于蚁群聚类算法的离群挖掘方法

离群挖掘是数据挖掘研究的重要内容,在实际生活中获得广泛应用。该文首先给出了离群数据的量化定义,并用基于蚁群的聚类学习方法,产生了状态空间的整体特征。然后结合具体的设备对象,提出了离群数据的挖掘方法。最后进行了实验验证,结果表明该文提出的方法是有效的。     

数据挖掘在智能搜索引擎中的应用

随着互联网的迅速发展,WWW上信息增长越来越快,传统搜索引擎已经不能满足用户的需求。将数据挖掘技术应用到搜索引擎领域,从而产生智能搜索引擎,将会给用户提供一个高效、准确的Web检索工具。文章首先介绍了搜索引擎的工作原理和相关概念,然后介绍了数据挖掘的概念。最后,详细讨论了数据挖掘技术在智能搜索引擎中的重要应用。