《基于动态数据挖掘的热力参数传感器故障诊断》PDF+DOC
作者:李蔚,俞芸萝,盛德仁,陈坚红
单位:南京航空航天大学;全国高校机械工程测试技术研究会
出版:《振动.测试与诊断》2016年第04期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFZDCS2016040140
DOC编号:DOCZDCS2016040149
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于地理信息系统的物联网传感器故障智能预警分析》PDF+DOC2013年第S1期 彭浩,曹瑜,许彦明,黄金海,吕晓鹏
《控制系统传感器故障的两次预测诊断方法》PDF+DOC2001年第11期 房方,牛玉广,孙万云,魏乐
《一种新的多传感器故障分类诊断方法研究》PDF+DOC1999年第11期 张建秋,于爱利,沈毅
《HVAC系统故障诊断研究的现状与发展》PDF+DOC2005年第09期 林飞积,易小文
《基于模糊奇偶方程的非线性系统传感器故障诊断》PDF+DOC2003年第01期 宋华,张洪钺
《基于神经网络观测器组的传感故障诊断仿真》PDF+DOC2001年第04期 房方,魏乐,孙万云,牛玉广
《基于神经网络的传感器故障诊断方法研究》PDF+DOC 任延广,王建磊,刘臻
《基于RBF神经网络的汽车传感器故障诊断方法研究》PDF+DOC2011年第05期 李涵武,赵玉春,迟秋玲
《基于扩展证据理论的信息融合方法在传感器故障诊断中的应用》PDF+DOC2006年第05期 张冀,王兵树,马永光,邸剑,于浩
《基于SVM和RBFN的汽车主动降噪系统传感器故障诊断》PDF+DOC2014年第04期 赛吉尔呼,戴盛芳,董爱华,苗清影
针对火电机组热力参数动态数据的海量、高维特点,提出了一种基于动态数据挖掘的热力参数传感器故障诊断新方法。该方法通过对热力参数信号进行经验模态分解,获得一系列平稳的本征模态函数(intrinsic mode function,简称IMF)分量和一个趋势余量,实现传感器故障特征信息的动态挖掘。以各IMF分量和趋势余量的方差作为特征向量构建欧氏距离判别函数,结合径向基函数神经网络确认传感器是否发生故障。根据专家经验得到的规则分析传感器测量值与理论值之间的差值,判别传感器的故障类型。以某电厂600MW火电机组实时运行数据为基础进行仿真实验,结果表明:该方法能够仅使用热力参数传感器正常状态下的样本,有效区分传感器故障造成的信号变化与机组本身正常负荷波动造成的信号变化,实现快速准确地对热力参数传感器的工作状态和故障类型进行判别。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。