露天电动矿卡载重量大、工作环境恶劣、行驶坡度变化较大,相比其他应用场景,矿卡动力电池故障原因更为复杂。为了提升动力电池的可靠性与环境适应性,提出一种基于探索性数据分析(Exploratory Data Analysis, EDA)的电动矿卡动力电池故...露天电动矿卡载重量大、工作环境恶劣、行驶坡度变化较大,相比其他应用场景,矿卡动力电池故障原因更为复杂。为了提升动力电池的可靠性与环境适应性,提出一种基于探索性数据分析(Exploratory Data Analysis, EDA)的电动矿卡动力电池故障影响因素分析方法。采集真实工况下的电动矿卡行驶数据并构建动力电池故障数据集;通过可视化分析和皮尔逊相关性分析等探索性分析技术,深入挖掘电动矿卡动力电池故障的影响因素。结果表明:坡度、载重、动力电池的电池组总电流、电池组总电压、电池电量状态SOC和电芯温度是导致电动矿卡电池故障的主要影响因素,通过EDA分析动力电池故障情况,为后期的故障诊断工作奠定了基础。展开更多
桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关...桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关性分析从数据完整性、准确性和一致性的角度建立了桥梁健康监测静、动态数据的质量评估方法。对某大跨度斜拉桥健康监测系统的静、动态数据进行质量评估,通过对比分析了不同评估质量的温度数据、静挠度数据和不同评估质量的主梁竖向加速度动力信号的模态参数识别的稳定图,验证了所提方法的正确性。结果表明,所提评估方法能够快速有效地判断数据质量的好坏,进而确保桥梁结构的服役性能评估和预测的准确性,有利于提高健康监测数据的可用性和效能。展开更多
桥梁健康监测系统以传感器测得的结构响应识别桥梁结构的模态参数,从而对损伤进行预警。然而,由于测试环境的限制,传感器老旧、损坏等情况时常发生,使得测试结果受到影响。结合探索性数据分析(Exploratory Data Analysis,EDA)方法,采用...桥梁健康监测系统以传感器测得的结构响应识别桥梁结构的模态参数,从而对损伤进行预警。然而,由于测试环境的限制,传感器老旧、损坏等情况时常发生,使得测试结果受到影响。结合探索性数据分析(Exploratory Data Analysis,EDA)方法,采用箱形图和QQ图对测试结果进行了跟踪,对分析结果异常的数据对应的传感器进行了修复,并对比了修复前后的模态参数识别结果。结果表明,经过本文所提方法处理后的测试结果能提供更为准确的模态参数识别结果,提高桥梁健康监测的准确度和效率。展开更多
文摘露天电动矿卡载重量大、工作环境恶劣、行驶坡度变化较大,相比其他应用场景,矿卡动力电池故障原因更为复杂。为了提升动力电池的可靠性与环境适应性,提出一种基于探索性数据分析(Exploratory Data Analysis, EDA)的电动矿卡动力电池故障影响因素分析方法。采集真实工况下的电动矿卡行驶数据并构建动力电池故障数据集;通过可视化分析和皮尔逊相关性分析等探索性分析技术,深入挖掘电动矿卡动力电池故障的影响因素。结果表明:坡度、载重、动力电池的电池组总电流、电池组总电压、电池电量状态SOC和电芯温度是导致电动矿卡电池故障的主要影响因素,通过EDA分析动力电池故障情况,为后期的故障诊断工作奠定了基础。
文摘桥梁健康监测数据的挖掘和分析工作只有在整体数据质量符合基本要求的有效数据基础上进行,才能保障如模态参数识别、损伤识别和状态评估等后续工作的准确性。因此,基于量化改进的探索性分析方法(Exploratory Data Analysis,EDA)和相关性分析从数据完整性、准确性和一致性的角度建立了桥梁健康监测静、动态数据的质量评估方法。对某大跨度斜拉桥健康监测系统的静、动态数据进行质量评估,通过对比分析了不同评估质量的温度数据、静挠度数据和不同评估质量的主梁竖向加速度动力信号的模态参数识别的稳定图,验证了所提方法的正确性。结果表明,所提评估方法能够快速有效地判断数据质量的好坏,进而确保桥梁结构的服役性能评估和预测的准确性,有利于提高健康监测数据的可用性和效能。
文摘桥梁健康监测系统以传感器测得的结构响应识别桥梁结构的模态参数,从而对损伤进行预警。然而,由于测试环境的限制,传感器老旧、损坏等情况时常发生,使得测试结果受到影响。结合探索性数据分析(Exploratory Data Analysis,EDA)方法,采用箱形图和QQ图对测试结果进行了跟踪,对分析结果异常的数据对应的传感器进行了修复,并对比了修复前后的模态参数识别结果。结果表明,经过本文所提方法处理后的测试结果能提供更为准确的模态参数识别结果,提高桥梁健康监测的准确度和效率。
