期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于数据建模的高速铁路供电故障指数计算方法 被引量:1
1
作者 郭剑峰 柯在田 +5 位作者 王卫东 张文轩 刘金朝 王婧 汪海瑛 杨志鹏 《中国铁路》 2020年第5期39-45,共7页
高速铁路牵引供电系统是典型的复杂机电系统,对其故障进行定量描述和评估有助于研究故障发生的时间和空间规律、影响因素和故障原因。我国高速铁路经过10多年的运营实践,供电专业已经积累了大量而详细的故障数据,主要包括故障发生时间... 高速铁路牵引供电系统是典型的复杂机电系统,对其故障进行定量描述和评估有助于研究故障发生的时间和空间规律、影响因素和故障原因。我国高速铁路经过10多年的运营实践,供电专业已经积累了大量而详细的故障数据,主要包括故障发生时间、发生地点、影响范围、故障原因和故障情况的详细描述等内容。采用文本分析、特征提取、时空聚类分析、影响分析和原因分析等手段对故障记录原始数据进行分析处理。在分析故障发生的时间和空间规律、影响因素和故障原因后,以分析结果作为输入数据,基于数据建模技术研究一种高速铁路供电专业故障指数的计算方法,计算结果可以定量描述故障发生的整体趋势,为研究故障发生的规律提供参考借鉴。 展开更多
关键词 高速铁路 供电 数据建模 故障指数
在线阅读 下载PDF
基于特征选择与BiLSTM多变量回归预测的磨煤机故障预警研究 被引量:1
2
作者 罗云 李战国 +5 位作者 付陇霞 王道谊 张新中 李耀华 程亮 江霞 《动力工程学报》 北大核心 2025年第5期724-732,共9页
为解决火电设备多参数耦合、渐变性故障诊断困难的问题,提出了一种基于套索(LASSO)回归特征选择与双向长短期记忆(BiLSTM)网络多变量回归预测的故障预警方法。以某1 000 MW机组磨煤机为研究对象,选取磨煤机电流、出口压力、出入口差压... 为解决火电设备多参数耦合、渐变性故障诊断困难的问题,提出了一种基于套索(LASSO)回归特征选择与双向长短期记忆(BiLSTM)网络多变量回归预测的故障预警方法。以某1 000 MW机组磨煤机为研究对象,选取磨煤机电流、出口压力、出入口差压作为表征堵磨故障的特征参数,采用LASSO回归选择特征变量,基于BiLSTM算法建立多变量回归预测模型;根据堵磨时特征参数的变化机理与模型预测值构建堵磨故障指数,最后利用核密度估计方法计算预警阈值,实现了堵磨故障预警。通过实际数据分析表明:磨煤机正常状态时,BiLSTM多变量回归预测模型的平均相对误差为1.13%,相比传统的误差反向传播(BP)神经网络和支持向量机回归(SVR)模型具有更高的精度和预测参数变化趋势的能力;磨煤机异常状态时,相比成熟的多元状态估计技术(MSET)算法模型能更早地发现磨煤机运行的异常状态,实现磨煤机变工况下故障早期预警。 展开更多
关键词 磨煤机 LASSO回归 BiLSTM多变量回归 预测模型 堵磨 故障指数
在线阅读 下载PDF
基于计量一体化的供电设备故障在线识别 被引量:5
3
作者 谭宇航 张朕滔 +1 位作者 袁玲 梁康有 《控制工程》 CSCD 北大核心 2019年第6期1133-1137,共5页
为解决专变用户增值服务模式中故障快速识别的问题,基于计量自动化一体化平台设计了专变用户供电设备故障在线识别方法。首先建立了专变设备状态参数的时间序列自回归模型,并使用自组织神经网络对时间序列进行量化作为系统输入值。利用... 为解决专变用户增值服务模式中故障快速识别的问题,基于计量自动化一体化平台设计了专变用户供电设备故障在线识别方法。首先建立了专变设备状态参数的时间序列自回归模型,并使用自组织神经网络对时间序列进行量化作为系统输入值。利用滑动时间窗中过程输入建立最小二乘支持向量机学习样本,然后将其回归计算结果与模型特征向量实测值的偏差设定为观测值,使用高斯混合模型拟合多维观测值分布构设系统背景模型,通过新个体观测值与背景模型的匹配程度计算故障指数,实现设备故障的实时识别。实验结果表明,该方法可快速准确地在线预测故障。 展开更多
关键词 故障识别 计量一体化 自组织神经网络 最小二乘 支持向量机 故障指数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部