期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于双域稀疏Transformer的变电站设备故障预警方法 被引量:4
1
作者 张建亮 李洋 +4 位作者 朱春山 薛泓林 马军伟 张丽霞 毕胜 《计算机科学》 CSCD 北大核心 2024年第5期62-69,共8页
利用变电站电气设备运行时产生的时间序列数据,可以构建其未来运行状态的预测模型,从而提前发现异常数据,排除故障隐患,提升变电站的稳定性和可靠运行能力。Transformer模型是一种新兴的序列化数据处理模型,在面对较长序列时更具优势,... 利用变电站电气设备运行时产生的时间序列数据,可以构建其未来运行状态的预测模型,从而提前发现异常数据,排除故障隐患,提升变电站的稳定性和可靠运行能力。Transformer模型是一种新兴的序列化数据处理模型,在面对较长序列时更具优势,可以满足故障预警前瞻性的需求。然而Transformer的模型结构使其具有较高的计算复杂度与空间占用率,难以直接应用到故障预警任务中。据此提出了一种基于时间序列预测的变压器设备故障预警方法,通过改进Transformer模型实现对设备运行数据的建模。该模型使用双塔式的编码器结构提取序列在频域和时域的特征,将时间特征数据和空间特征数据进行多维数据融合,从而提取更细致的信息。其次,用稀疏化处理的注意力机制代替标准的注意力机制,降低Transformer的计算复杂度和空间占用率,以满足实时预警的需求。在ETT变压器设备数据集上通过实验证明了所提模型的优越性,以及所改进的模块的必要性。相较于其他方法,该模型在多数预测任务中的MSE与MAE指数都达到了最优,尤其在长序列预测任务中表现出了更佳的性能,且预测速度更快。 展开更多
关键词 设备故障预警 时间序列预测 深度学习 TRANSFORMER
在线阅读 下载PDF
轮轨力在线监测类系统设备状态智能预警技术研究 被引量:1
2
作者 田德柱 段培勇 +1 位作者 李旭伟 谢锦妹 《铁道建筑》 北大核心 2020年第4期97-101,共5页
以车辆运行品质轨边动态监测系统为对象,统计分析其不良检测数据,研究影响设备状态的具体因素,确定了以定时消息、过车过程中软件及检测数据状态、数据统计信息状态和日报表为主的自检信息内容及传输机制。通过分析砝码车标准值调整变... 以车辆运行品质轨边动态监测系统为对象,统计分析其不良检测数据,研究影响设备状态的具体因素,确定了以定时消息、过车过程中软件及检测数据状态、数据统计信息状态和日报表为主的自检信息内容及传输机制。通过分析砝码车标准值调整变动规律及运行现状,制定了标准值定期录入机制。研究了设备故障预警评估方法,开发了基于B/S结构的Web系统监控预警平台,可提供分级设备状态监控、趋势展示、预警、查询、统计等功能。预警平台的应用大幅降低了设备维护人员的劳动强度,提高了工作效率,实现了设备故障的超前预判,并能有效缩短故障时间,为设备维护单位提供有力的技术支撑。 展开更多
关键词 轮轨力 TPDS 设备状态 传感器 自检信息 设备故障预警
在线阅读 下载PDF
煤矿机械设备智能化技术在安全生产中的应用 被引量:2
3
作者 于建华 《南方农机》 2024年第24期144-147,共4页
为了有效遏制煤矿安全事故的发生,大力发展煤矿机械设备的智能化技术,这对于改善煤矿恶劣的作业环境、提高生产效率、降低安全风险具有重要意义。基于此,分析了智能传感器、大数据分析、自主决策控制等关键技术,阐述了智能化技术在设备... 为了有效遏制煤矿安全事故的发生,大力发展煤矿机械设备的智能化技术,这对于改善煤矿恶劣的作业环境、提高生产效率、降低安全风险具有重要意义。基于此,分析了智能传感器、大数据分析、自主决策控制等关键技术,阐述了智能化技术在设备故障预警、生产过程优化、能效管理、安全防护等方面的优势,结合实验数据定量评估了智能化技术的应用效果。结果表明,智能化技术的应用降低了能源消耗与事故风险,是实现煤炭安全高效开采、引领行业高质量发展的必由之路。 展开更多
关键词 煤矿机械设备 智能化技术 安全生产 设备故障预警
在线阅读 下载PDF
基于优化核函数带宽SVDD的机械振动预警模型 被引量:2
4
作者 刘晓金 陈文武 王庆锋 《机电工程》 CAS 北大核心 2023年第11期1641-1654,1672,共15页
基于高斯核函数的支持向量数据描述(SVDD),因其具有良好的异常检测性能,常被用于机械振动故障预警领域,但其性能的好坏受限于核函数带宽的取值是否适宜。为此,针对常规高斯核函数支持向量数据描述(SVDD)存在需要负类样本训练模型、计算... 基于高斯核函数的支持向量数据描述(SVDD),因其具有良好的异常检测性能,常被用于机械振动故障预警领域,但其性能的好坏受限于核函数带宽的取值是否适宜。为此,针对常规高斯核函数支持向量数据描述(SVDD)存在需要负类样本训练模型、计算量大、不收敛、不适用于小数值数据等问题,提出了一种不需要专家经验知识和负类样本训练SVDD超球体的优化核函数带宽计算方法,构建了基于优化SVDD核函数带宽的机械振动故障预警模型。首先,根据空间矩阵复杂度的信息熵,量化表征核函数带宽的取值对SVDD超球体的影响;然后,采用粒子群优化(PSO)算法寻找空间矩阵复杂度最大时对应的核函数带宽σ取值,实现了目标函数的快速收敛目的;综合考虑惩罚参数对SVDD超球体描述边界的影响,引入惩罚参数对寻优结果进行了修正,完成了对历史正常运行状态数据驱动的机械振动故障预警模型的构建任务;最后,应用辛辛那提大学智能维护中心轴承试验数据集等6项公开实验室数据和4项工程案例数据,对上述方法的实用性和可靠性进行了验证,并将其结果与采用常规方法所得结果进行了对比验证。研究结果表明:与常规方法相比,采用优化核函数带宽计算方法训练出的机械振动故障预警模型的合格率为100%,超球体描述边界拟合良好,并且不存在不收敛的问题。 展开更多
关键词 机械设备故障预警 高斯核函数 支持向量数据描述 核函数带宽 惩罚参数 超球体 空间矩阵复杂度 粒子群优化算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部