好運(yùn)物流網(wǎng)-全國領(lǐng)先的物流網(wǎng) | 進(jìn)入我的后臺 首頁 | 發(fā)布信息 | 服務(wù)項(xiàng)目 | 物流百科 |
創(chuàng)業(yè)故事
| ||||||||
發(fā)表時(shí)間:2021/9/17 9:22 閱讀[166] 回復(fù)[0] |
【圖】三水高空車,高空作業(yè)車出租139,2829,2824文章出處:升降車出租吧
4. 基于數(shù)據(jù)驅(qū)動的電磁閥故障檢測:基于數(shù)據(jù)驅(qū)動的故障診斷方法有很多,如神經(jīng)網(wǎng)絡(luò)、模糊邏輯、小波分析等等。在基于人工智能的技術(shù)中,對被測數(shù)據(jù)進(jìn)行一些統(tǒng)計(jì)操作,或者利用測量結(jié)果訓(xùn)練一些神經(jīng)網(wǎng)絡(luò)來提取故障特征。利用基于支持向量機(jī)的參數(shù)優(yōu)化故障模式分類模型對感知信號特征進(jìn)行分類從而實(shí)現(xiàn)了故障診斷。基于動量自適應(yīng)學(xué)習(xí)速率調(diào)整算法的三層感知器 BP 網(wǎng)絡(luò),將轉(zhuǎn)速、壓力等輸入到神經(jīng)網(wǎng)絡(luò),最后輸出故障信號,以此進(jìn)行訓(xùn)練模型。并根據(jù)此模型進(jìn)行故障檢測。給出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD,Empirical Mode Decomposition)與鄰域粗糙集相結(jié)合的故障檢測方法。首先對電流信號進(jìn)行及經(jīng)驗(yàn)?zāi)B(tài)分解得到表征信號特征的在時(shí)間尺度上的本征模態(tài)函數(shù)分量,然后提取可以表征故障的本征模態(tài)函數(shù)分量的能量熵,再利用鄰域粗糙集進(jìn)行冗余信息的去除,得到真正的“核心”從而降低系統(tǒng)的時(shí)間空間復(fù)雜度,再根據(jù)約簡后的特征利用決策樹算法進(jìn)行故障檢測。采用故障樹分析的方法檢測由現(xiàn)象推出原因得到了電磁閥故障檢測方法。利用 PNN 神經(jīng)網(wǎng)絡(luò)對電磁閥正常狀態(tài)和故障狀態(tài)的模型進(jìn)行訓(xùn)練,通過模型的對比匹配從而進(jìn)行電磁閥故障檢測。利用卷積神經(jīng)網(wǎng)絡(luò)對交流電磁閥進(jìn)行物理建模,從而進(jìn)一步進(jìn)行故障檢測;跀(shù)據(jù)驅(qū)動的故障檢測方法可以有效地提取故障信息;然而,它們需要一個(gè)大型的測量數(shù)據(jù)庫來訓(xùn)練診斷模型,往往需要的數(shù)據(jù)處理是較大的,同其他方法相比需要更加消耗計(jì)算資源,因此被認(rèn)為是計(jì)算速度慢的檢測方法。 5 方法綜合的電磁閥故障檢測:由于上訴故障檢測方法都存在各自的優(yōu)缺點(diǎn),因此利用各種方法的優(yōu)點(diǎn),取長補(bǔ)短,實(shí)現(xiàn)一個(gè)相對較好的效果也是各個(gè)學(xué)者研究的熱點(diǎn),常見的如利用信號處理方法加上數(shù)據(jù)驅(qū)動方法可以實(shí)現(xiàn)相對快速準(zhǔn)確的效果。將采集的實(shí)際電磁閥電流變化率作為特征曲線并在此基礎(chǔ)上利用小波包分解得到電流的特征向量,最后將得到特征進(jìn)行訓(xùn)練得到相應(yīng)的模型,在訓(xùn)練模型上進(jìn)行電磁閥相應(yīng)故障的診斷。對電磁閥的電流進(jìn)行基于模板匹配的能量特征提取,為了降低電流特征的維數(shù),采用 K-L 變換實(shí)現(xiàn)降維以此降低復(fù)雜度,同時(shí)保留電磁閥電流的主要特征。最后用 3 層 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與模式識別,從而實(shí)現(xiàn)故障的檢測。以電磁閥電流變化率為原始信號利用小波包變換以及能量距方法進(jìn)行故障特征提取,再得到的故障特征上采用 BP 神經(jīng)網(wǎng)絡(luò)提出了對檢測時(shí)間要求不高的非實(shí)時(shí)故障診斷方法,采用關(guān)聯(lián)規(guī)則提出了實(shí)時(shí)故障診斷方法。 鶴山吊籃車租賃, 鶴山吊籃車出租, 鶴山吊籃車出租公司
網(wǎng)站申明:系本文編輯轉(zhuǎn)載,來自網(wǎng)友自行發(fā)布或來源于網(wǎng)絡(luò),目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),所有權(quán)歸屬原作者。如內(nèi)容、圖片有任何版權(quán)問題,請聯(lián)系我們刪除。
|