期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于数字孪生的自动化单元预测性维护参考框架
被引量：
2
1
作者
孙若依
黄明
+2 位作者
孙顺苗
白翱
程思博
《机床与液压》
北大核心
2024年第18期110-115,共6页
为提高以自动化单元(AMU)为代表的复杂设备运行可靠性、安全性、经济性,提出一种基于数字孪生的自动化单元预测性维护框架(DT-PMAMU)。分析AMU的常见组成结构与故障特征,研究数字孪生预测性维护的关键因素;在此基础上构建了由物理设备...
为提高以自动化单元(AMU)为代表的复杂设备运行可靠性、安全性、经济性,提出一种基于数字孪生的自动化单元预测性维护框架(DT-PMAMU)。分析AMU的常见组成结构与故障特征,研究数字孪生预测性维护的关键因素;在此基础上构建了由物理设备层、物联网数据采集层、数字孪生数据层、虚拟设备层、预测性维护服务层组成的多层次预测性维护框架。某铣削AMU实际应用表明:该框架取得了较好的应用效果,能够帮助相关人员快速建立预测性维护系统,有效降低了AMU实现智能运维任务的复杂度。
展开更多
关键词
数字孪生
自动化单元(AMU)
预测性维护
故障诊断和健康管理
(PHM)
智能维护
在线阅读
下载PDF
职称材料
基于AutoEncoder的油气管道控制系统异常状态监测方法
被引量：
6
2
作者
梁凤勤
高媛
+3 位作者
刘功银
黄建国
周权
盛瀚民
《电子测量与仪器学报》
CSCD
北大核心
2019年第12期10-18,共9页
压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺...
压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺。采用一种基于自编码器(auto encoder,AE)的单分类方法对油气管道控制系统的异常状态进行辨识。该模型仅需对系统的正常工作状态进行学习,通过编码器可实现特征的自适应提取,从而对数据进行抽象表示,并获得较好的非线性映射能力;当数据分布异常时,系统可区分其与正常信号间的差异,并进行预警。实验部分采用西部输油管道控制系统中实地获取的通信解码信号以及电源信号进行验证,并以单分类支持向量机方法作对比实验,表明了所提出方法的有效性。
展开更多
关键词
故障
预警
故障诊断和健康管理
单分类学习
自编码器
深度学习
在线阅读
下载PDF
职称材料
题名
基于数字孪生的自动化单元预测性维护参考框架
被引量：
2
1
作者
孙若依
黄明
孙顺苗
白翱
程思博
机构
中国工程物理研究院机械制造工艺研究所
出处
《机床与液压》
北大核心
2024年第18期110-115,共6页
基金
国防基础科研计划(JCKY2020212B003)。
文摘
为提高以自动化单元(AMU)为代表的复杂设备运行可靠性、安全性、经济性,提出一种基于数字孪生的自动化单元预测性维护框架(DT-PMAMU)。分析AMU的常见组成结构与故障特征,研究数字孪生预测性维护的关键因素;在此基础上构建了由物理设备层、物联网数据采集层、数字孪生数据层、虚拟设备层、预测性维护服务层组成的多层次预测性维护框架。某铣削AMU实际应用表明:该框架取得了较好的应用效果,能够帮助相关人员快速建立预测性维护系统,有效降低了AMU实现智能运维任务的复杂度。
关键词
数字孪生
自动化单元(AMU)
预测性维护
故障诊断和健康管理
(PHM)
智能维护
Keywords
digital twin
automation manufacturing unit(AMU)
predictive maintenance
prognostics and health management(PHM)
intelligent maintenance
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于AutoEncoder的油气管道控制系统异常状态监测方法
被引量：
6
2
作者
梁凤勤
高媛
刘功银
黄建国
周权
盛瀚民
机构
电子科技大学自动化工程学院
军委装备发展部某中心
中石油西部管道分公司
出处
《电子测量与仪器学报》
CSCD
北大核心
2019年第12期10-18,共9页
基金
国家重点研发计划(2017YFC1501005)、自然科学基金青年项目(61903066)、博士后基金(2018M640905)资助项目。
文摘
压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺。采用一种基于自编码器(auto encoder,AE)的单分类方法对油气管道控制系统的异常状态进行辨识。该模型仅需对系统的正常工作状态进行学习,通过编码器可实现特征的自适应提取,从而对数据进行抽象表示,并获得较好的非线性映射能力;当数据分布异常时,系统可区分其与正常信号间的差异,并进行预警。实验部分采用西部输油管道控制系统中实地获取的通信解码信号以及电源信号进行验证,并以单分类支持向量机方法作对比实验,表明了所提出方法的有效性。
关键词
故障
预警
故障诊断和健康管理
单分类学习
自编码器
深度学习
Keywords
fault warning
PHM
one class learning
auto encoder
deep learning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TN762 [电子电信—电路与系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于数字孪生的自动化单元预测性维护参考框架
孙若依
黄明
孙顺苗
白翱
程思博
《机床与液压》
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于AutoEncoder的油气管道控制系统异常状态监测方法
梁凤勤
高媛
刘功银
黄建国
周权
盛瀚民
《电子测量与仪器学报》
CSCD
北大核心
2019
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
