煙氣發(fā)電機組非平穩(wěn)狀態(tài)的故障趨勢預示智能專家系統(tǒng)平臺的研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、大型機電設備在工業(yè)生產中占有非常重要的地位,保障大型機電設備的安全運行具有非常重要的經濟意義與社會意義。大型機電設備的非平穩(wěn)非線性狀態(tài)的故障診斷與趨勢預示技術是保障大型機電設備安全運行的關鍵技術。 針對機電設備非線性非平穩(wěn)運行狀態(tài)診斷以及趨勢預測中的需要,結合智能技術的最新進展,運用粗糙集、支持向量機(SupportVectorMachine—SVM)等智能方法,對基于知識的機電系統(tǒng)智能故障診斷和趨勢預示技術進行深入研究。主要研

2、究成果如下: 1.針對機電設備故障診斷中存在的知識冗余和不確定性,從原始數據出發(fā),利用決策表約簡算法進行屬性和屬性值的約簡,產生了帶有置信度和覆蓋度的決策集,建立了故障診斷的規(guī)則庫。給出了基于粗糙集的故障診斷和知識獲取模型的一般結構。以旋轉機械為對象,通過對典型故障的分析,建立了決策表,通過對決策表的約簡,將11個條件屬性化簡為4或者5個,極大地減少了數據庫中數據的數量,解決了故障診斷中知識獲取的瓶頸問題。提出了決策表的屬性值約

3、簡的一種簡化算法。結果證明了基于粗糙集理論的旋轉機械故障診斷是可行的。 2.在研究了多種趨勢預測的方法后,選擇使用SVM技術來進行機電設備的非平穩(wěn)非線性狀態(tài)的趨勢預示。建立了使用支持向量機進行機電系統(tǒng)狀態(tài)趨勢預示的模型。對大型旋轉注水機組振動烈度,以FPE(FinalPredictionError—FPE)確定嵌入維數,選用RBF(RadialBasisFunction)核函數和合適的損失函數進行預測,取得較理想的結果。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論