采煤机截割部齿轮故障预测模型设计及试验 被引量：1

1

作者 岳继敏 《机械管理开发》 2024年第1期196-197,200,共3页

井下采煤机结构复杂、工况环境差,容易出现各类故障,且处置难度较大。针对MG1000/2500-WD型采煤机截割部齿轮故障诊断需求,结合卷积神经网络的故障特征提取原理,设计了DCNN故障预测模型,并实施了数据训练及模型测试。测试结果表明:预测... 井下采煤机结构复杂、工况环境差,容易出现各类故障,且处置难度较大。针对MG1000/2500-WD型采煤机截割部齿轮故障诊断需求,结合卷积神经网络的故障特征提取原理,设计了DCNN故障预测模型,并实施了数据训练及模型测试。测试结果表明:预测模型的故障甄别准确率达到98.17%,故障训练值与标准值的准确率达到99.13%,故障预测具有较高的可靠性,实现了预期的研究目的。 展开更多

关键词 采煤机 截割部 齿轮 故障诊断 故障预测模型 卷积神经网络

下载PDF 职称材料

电动拖拉机电驱系统故障预测模型——基于深度学习

2

作者 郑丽辉 《农机化研究》 北大核心 2024年第10期254-258,共5页

电动拖拉机作为一种新型农业机械之一,具有环保、节能、高效和控制灵活等应用优势,适用于温室大棚和生态农业环境,且其机电驱动系统是保证拖拉机运行可靠性和田间工作质量的重要条件。探究一种高效且精确的电驱动系统故障预测模型与识... 电动拖拉机作为一种新型农业机械之一,具有环保、节能、高效和控制灵活等应用优势,适用于温室大棚和生态农业环境,且其机电驱动系统是保证拖拉机运行可靠性和田间工作质量的重要条件。探究一种高效且精确的电驱动系统故障预测模型与识别方法,对于保证电动拖拉机运行稳定性具有重要意义。针对以上问题,建立了电动拖拉机振动信号采集装置,基于经验模态分解出各个关键部件振动信号潜在故障分量,并将其作为神经网络输入变量进行模型训练,从而建立基于人工神经网络模型的电动拖拉机电驱系统故障故障预测模型。研究结果表明:预测精准度较高,可以满足实际生产需求。 展开更多

关键词 电动拖拉机 电驱动总成 模态分解 故障预测模型

下载PDF 职称材料

采煤机滚动轴承故障预测模型设计及试验

3

作者 张树臣 《机械管理开发》 2024年第4期127-128,171,共3页

井下采煤机结构复杂、工况环境差,容易出现各类故障,且处置难度较大.针对MG620/1660-WD型电牵引采煤机滚动轴承故障诊断需求,结合EEMD振动信号预处理及降噪原理,设计了基于深度学习的故障预测模型,并实施了数据训练及模型测试.测试结果... 井下采煤机结构复杂、工况环境差,容易出现各类故障,且处置难度较大.针对MG620/1660-WD型电牵引采煤机滚动轴承故障诊断需求,结合EEMD振动信号预处理及降噪原理,设计了基于深度学习的故障预测模型,并实施了数据训练及模型测试.测试结果表明,预测模型的故障甄别准确率达到96.8%,故障预测具有较高的可靠性,实现了预期的研究目的. 展开更多

关键词 采煤机 滚动轴承 故障诊断 故障预测模型 深度学习 信号预处理

下载PDF 职称材料

基于一维卷积神经网络构建医用直线加速器高价值零件故障预测模型的应用效果

4

作者 傅世楣 《医疗装备》 2024年第14期25-27,共3页

目的构建医用直线加速器高价值零件故障预测模型,以实现对高价值零件故障的预判。方法选取2013年1月至2017年12月医院在用医科达Synergy医用直线加速器的60组共381个维修记录数据,按照7:3比例随机分配为训练集(42组)和测试集(18组),采... 目的构建医用直线加速器高价值零件故障预测模型,以实现对高价值零件故障的预判。方法选取2013年1月至2017年12月医院在用医科达Synergy医用直线加速器的60组共381个维修记录数据,按照7:3比例随机分配为训练集(42组)和测试集(18组),采用一维卷积神经网络进行二分类建模,随机选取30组数据作为验证集评估模型性能,并采用测试集数据检测模型预测效果。结果设定最大训练学习次数为120次,实际训练次数超过80次时数据趋于稳定,训练集和验证集的准确率均稳定于90%左右,测试集数据准确率均在96%以上,表明模型收敛较好。结论该模型预测医用直线加速器高价值零件的故障次数与实际情况接近,为预防性维修和保修服务采购提供了可靠的数据支持。 展开更多

关键词 一维卷积神经网络 医用直线加速器 高价值零件 故障预测模型

下载PDF 职称材料

基于深度学习的工程机械故障预测模型研究

5

作者 周长森 王金荣 《造纸装备及材料》 2024年第3期47-49,共3页

工程机械在日常使用中容易出现故障,因此开发一种高效的故障预测模型对于提高工程机械的可靠性和安全性具有重要意义。文章研究基于深度学习技术,提出了一种新的工程机械故障预测模型,在概述深度学习技术的基础上提出工程机械故障预测... 工程机械在日常使用中容易出现故障,因此开发一种高效的故障预测模型对于提高工程机械的可靠性和安全性具有重要意义。文章研究基于深度学习技术,提出了一种新的工程机械故障预测模型,在概述深度学习技术的基础上提出工程机械故障预测模型的构建要点,包括数据获取与处理、模型选择及模型调优,并对基于深度学习的工程机械故障预测模型进行设计与优化,探讨了这一模型未来的发展趋势和研究方向。 展开更多

关键词 深度学习 工程机械 故障预测模型

下载PDF 职称材料

基于数据驱动的海上风电系统故障预测模型研究

6

作者 张树晓 《电气技术与经济》 2024年第2期7-9,共3页

随着全球对可再生能源需求的增加,海上风电系统的建设和运营成为了解决能源需求的重要途径。然而,由于海上风电系统运行环境的恶劣和复杂性,系统故障频发,对风电发电效率和稳定性产生了负面影响。因此,研究基于数据驱动的海上风电系统... 随着全球对可再生能源需求的增加,海上风电系统的建设和运营成为了解决能源需求的重要途径。然而,由于海上风电系统运行环境的恶劣和复杂性,系统故障频发,对风电发电效率和稳定性产生了负面影响。因此,研究基于数据驱动的海上风电系统故障预测模型具有重要的理论和实践价值。本文旨在探讨基于数据驱动的海上风电系统故障预测模型的研究方法和实现过程,并对其性能进行评估和比较。具体来说,本文将采集和处理海上风电系统的运行数据,并通过特征提取和选择,构建合适的预测模型。同时,将对该模型进行实验验证和优化,评估其预测性能。期望通过本研究可以为海上风电系统故障预测提供一种准确、可靠的预测方法,从而提高系统的运行效率和可靠性,为海上风电行业的发展做出贡献。 展开更多

关键词 数据驱动 上风电系统 故障预测模型

下载PDF 职称材料

中波广播发射技术的革新趋势与常见故障预测模型研究

7

作者 王晓龙 《中文科技期刊数据库（全文版）工程技术》 2024年第7期0146-0149,共4页

在科技飞速发展的背景下,中波广播发射技术也在不断的更新迭代。中波广播发射技术作为信息传播的重要手段,既丰富了人们的精神生活,又为社会进步提供了强大动力。但是随着技术的革新,中波广播发射技术也需要不断革新来使发射机的运行更... 在科技飞速发展的背景下,中波广播发射技术也在不断的更新迭代。中波广播发射技术作为信息传播的重要手段,既丰富了人们的精神生活,又为社会进步提供了强大动力。但是随着技术的革新,中波广播发射技术也需要不断革新来使发射机的运行更稳定,为广播质量提供保障。在这种背景下,对发射机常见故障进行预测模型研究,成为当前广播技术领域的重要课题。文章通过探讨中波广播发射技术的革新趋势,并深入分析常见故障预测模型的研究进展,以期为广播事业的可持续发展提供有力支持。 展开更多

关键词 中波广播发射技术 革新趋势 故障预测模型

下载PDF 职称材料

采煤机截割部齿轮故障预测模型的设计及试验

8

作者 唐广洲 《自动化应用》 2024年第1期127-128,131,共3页

井下采煤机结构复杂、工况环境差,容易出现各类故障,且处置难度较大。针对MG1000/2500-WD型采煤机截割部齿轮故障诊断需求,结合卷积神经网络(CNN)的故障特征提取原理,汾西矿业集团设备修造厂设计了深度卷积神经网络(DCNN)故障预测模型,... 井下采煤机结构复杂、工况环境差,容易出现各类故障,且处置难度较大。针对MG1000/2500-WD型采煤机截割部齿轮故障诊断需求,结合卷积神经网络(CNN)的故障特征提取原理,汾西矿业集团设备修造厂设计了深度卷积神经网络(DCNN)故障预测模型,并实施了数据训练及模型测试。结果表明,预测模型的故障甄别准确率达到98.17%,故障训练值与标准值的准确率达到99.13%。 展开更多

关键词 采煤机截割部齿轮 故障诊断 故障预测模型 卷积神经网络

下载PDF 职称材料

基于外磁场的离心泵故障预测模型 被引量：3

9

作者 骆寅 陈崟炜 +1 位作者 秦学聪 陈云飞 《排灌机械工程学报》 CSCD 北大核心 2023年第7期649-654,662,共7页

针对传统离心泵故障诊断方法在复杂多变的工程环境中缺乏通用性和及时性的问题,提出了基于马氏距离改进KNN算法的离心泵故障预测模型.将故障工况下的外磁场信号进行处理并求得相应工况指标,通过ReliefF算法进行权重分析完成特征提取,进... 针对传统离心泵故障诊断方法在复杂多变的工程环境中缺乏通用性和及时性的问题,提出了基于马氏距离改进KNN算法的离心泵故障预测模型.将故障工况下的外磁场信号进行处理并求得相应工况指标,通过ReliefF算法进行权重分析完成特征提取,进而为KNN算法提供故障预测分类的数据库.使用马氏距离替换KNN算法中原有的距离函数欧氏距离来消除特征指标间量纲影响,以提高预测结果的准确率.通过十折交叉验证法,筛选KNN算法的关键值K,得出在K取值为120时预测模型运行结果最优.根据外磁场信号,基于改进KNN算法建立的故障预测模型能够在离心泵偏工况运行时,对可能出现的故障能够进行准确预测,有效解决了传统监测方法滞后性严重的问题,且模型训练数据包含了0.2 Q_(d)~1.2 Q_(d)全流量下各类工况的外磁场信号.试验结果表明,故障预测模型在0.4 Q_(d),0.8 Q_(d),1.0 Q_(d),1.2 Q_(d)流量工况下,故障预测准确率达到0.8315,0.7999,0.8527,0.8741,基本实现了离心泵故障的准确预测. 展开更多

关键词 离心泵 故障预测模型 外磁场 马氏距离 RELIEFF算法 KNN算法

下载PDF 职称材料

基于多元回归模型的某型轨道交通车辆制动系统故障预测模型 被引量：1

10

作者 张师旗 乔峰 李渴鑫 《城市轨道交通研究》 北大核心 2023年第4期82-85,共4页

为了提高轨道交通车辆制动系统基本事件故障率的判断准确率,进而提高制动系统重要部件在动态条件下的可靠性,基于多元回归模型分析,以某型车辆制动系统实际故障数据为依据,结合制动缸压力、列车运行速度随时间变化的规律,发现制动缸压... 为了提高轨道交通车辆制动系统基本事件故障率的判断准确率,进而提高制动系统重要部件在动态条件下的可靠性,基于多元回归模型分析,以某型车辆制动系统实际故障数据为依据,结合制动缸压力、列车运行速度随时间变化的规律,发现制动缸压力与时间的关系较符合BidoseResp函数,进而建立制动系统故障预测模型。以实际故障数据训练后,利用故障预测模型对关键部件的故障发生情况进行预测。预测结果显示,该故障预测模型的准确率较高,具有适用性。 展开更多

关键词 轨道交通车辆 制动系统 故障预测模型 回归分析

下载PDF 职称材料

一种基于改进深度信念网络的医疗设备故障预测模型 被引量：1

11

作者 张婧 孟令豪 武伟 《电子设计工程》 2023年第1期45-49,共5页

针对医疗设备智能综合管控系统在临床实践中日益凸显的若干缺陷,提出了一种基于改进深度信念网络的医疗设备故障预测模型。采用改进深度信念网络算法自动提取医疗设备故障信号的深层特征,利用多层受限玻尔兹曼机堆叠生成故障概率预测机... 针对医疗设备智能综合管控系统在临床实践中日益凸显的若干缺陷,提出了一种基于改进深度信念网络的医疗设备故障预测模型。采用改进深度信念网络算法自动提取医疗设备故障信号的深层特征,利用多层受限玻尔兹曼机堆叠生成故障概率预测机制,实现医疗设备故障的精准预测。通过对模型开展工程评估应用实践,得出模型具有医疗设备运维信息感知全面、医疗设备动态变化适应性强、故障预测自主决策性高等优势,医疗设备故障识别均值有效率达到93.11%,主动预测均值精确率达到90.37%。 展开更多

关键词 改进深度信念网络 医疗设备 故障预测模型 仿真验证 工程实践评估

下载PDF 职称材料

基于模糊评判的装备故障预测模型研究 被引量：23

12

作者 黄景德 王兴贵 王祖光 《兵工学报》 EI CAS CSCD 北大核心 2001年第4期512-515,共4页

为了对装备故障实现适时预测 ,本文以模糊综合评判理论为基础 ,提出了一种动态的故障预测模型 ,并探讨了动态模糊关系矩阵的确定方法 ,最后进行了实例分析。

关键词 模糊综合评判 动态模糊关系矩阵 模糊分布 装备故障预测模型

下载PDF 职称材料

基于最小二乘支持向量机的复杂装备故障预测模型研究 被引量：8

13

作者 连光耀 吕晓明 +1 位作者 黄考利 孙江生 《计算机测量与控制》 CSCD 北大核心 2011年第5期1030-1032,共3页

针对复杂装备故障信息不足、故障预测困难等问题,应用支持向量机建立了故障预测模型;在对支持向量机回归算法分析的基础上,利用最小二乘支持向量机建立故障预测模型;最小二乘支持向量机通过对相空间重构,有效地降低了模型的复杂度;最后... 针对复杂装备故障信息不足、故障预测困难等问题,应用支持向量机建立了故障预测模型;在对支持向量机回归算法分析的基础上,利用最小二乘支持向量机建立故障预测模型;最小二乘支持向量机通过对相空间重构,有效地降低了模型的复杂度;最后,本文利用某导弹发射装置液压泵的故障数据进行了验证,通过选取合适的参数,该模型能够较好地对故障数据进行预测,预测精度较高;事实证明,基于最小二乘支持向量机建立故障预测模型能够较好地对复杂装备故障的趋势进行预测。 展开更多

关键词 故障预测模型 回归算法 最小二乘支持向量机

下载PDF 职称材料

基于模糊神经网络的高压电力设备故障预测模型 被引量：13

14

作者 谢国财 温锐 陈琛 《电网与清洁能源》 北大核心 2022年第9期120-125,共6页

电力设备作为电力系统的基本要素,对其故障风险预测可以有效降低电网故障风险带来的损失。当前应用的高压电力设备故障预测模型忽略了对高压电力设备信号的盲源分离处理,无法去除虚假故障分量,导致故障预测结果不准确、耗时较长的问题... 电力设备作为电力系统的基本要素,对其故障风险预测可以有效降低电网故障风险带来的损失。当前应用的高压电力设备故障预测模型忽略了对高压电力设备信号的盲源分离处理,无法去除虚假故障分量,导致故障预测结果不准确、耗时较长的问题。构建新的基于模糊神经网络的高压电力设备故障预测模型。将小波降噪方法引入到盲源分离中,对高压电力设备信号完成盲源分离和小波分解;通过互信息方法将分解结果中的虚假分量删除;利用插值形态滤波的方式提取故障特征,将其设定为模糊神经网络的输入变量,构建高压电力设备故障预测模型。实验结果验证了所构建的模型在30次实验迭代过程中的误差始终不超过2.5%,均方根误差低于3.4%,预测用时测试结果在14~23 ms之间。数据表明所构建模型的预测精度较高、预测速度更快,具有明显的应用优势。 展开更多

关键词 模糊神经网络 高压电力设备 故障预测模型 小波降噪

下载PDF 职称材料

基于LS-SVM的装甲装备故障预测模型研究 被引量：1

15

作者 樊泽凯 贾红丽 尹承督 《军械工程学院学报》 2017年第2期28-32,共5页

针对装甲装备故障信息不足、故障预测困难等问题,通过对装甲装备的故障特点和支持向量机回归算法的分析,利用最小二乘支持向量机LS-SVM建立故障预测模型,并利用某型装甲发动机进气门盘部局部断裂故障数据对故障预测模型进行了验证.事实... 针对装甲装备故障信息不足、故障预测困难等问题,通过对装甲装备的故障特点和支持向量机回归算法的分析,利用最小二乘支持向量机LS-SVM建立故障预测模型,并利用某型装甲发动机进气门盘部局部断裂故障数据对故障预测模型进行了验证.事实证明,基于最小二乘支持向量机建立故障预测模型能够较好地对装甲装备故障的趋势进行预测. 展开更多

关键词 装甲装备 最小二乘支持向量机 故障预测模型 回归算法

下载PDF 职称材料

基于KPCA和灰色模型的凝汽器故障预测 被引量：2

16

作者 赵亚琴 唐桂忠 陈惠明 《控制工程》 CSCD 北大核心 2009年第6期780-782,共3页

汽轮机凝汽器的故障预测为其故障自愈的研究提供了理论依据。提出一种基于核主元分析和灰色预测模型的汽轮机凝汽器故障预测方法,首次将灰色预测理论应用于凝汽器的故障预测。采用核主元分析法对故障特征数据进行分析和处理,提取反映故... 汽轮机凝汽器的故障预测为其故障自愈的研究提供了理论依据。提出一种基于核主元分析和灰色预测模型的汽轮机凝汽器故障预测方法,首次将灰色预测理论应用于凝汽器的故障预测。采用核主元分析法对故障特征数据进行分析和处理,提取反映故障的主要特征量.以降低特征变量之间的非线性相关性,同时减少灰色预测模型的预测参数的数目。然后应用灰色预测理论建立故障特征的预测模型,对每一个主要特征量的趋势值进行预测,重构故障特征向量,用于汽轮机凝汽器故障的预测分析。 展开更多

关键词 凝汽器 核主元分析 灰色预测理论 故障特征预测模型 特征向量重构

下载PDF 职称材料

基于C4.5算法决策树模型电能表故障概率预测研究与应用

17

作者 朱曼曼 张敬宜 +2 位作者 杨丹 李明 孟祥楠 《中文科技期刊数据库（引文版）工程技术》 2022年第7期290-293,共4页

本文通过供电公司海量设备运行、设备故障数据现状研究,提出以供电单位、设备厂家、故障类型等特征属性,利用C4.5算法构建电能表故障预测模型,并对电能表的故障类型数据、在运数据进行清洗,满足C4.5算法决策树模型训练、计算要求,形成... 本文通过供电公司海量设备运行、设备故障数据现状研究,提出以供电单位、设备厂家、故障类型等特征属性,利用C4.5算法构建电能表故障预测模型,并对电能表的故障类型数据、在运数据进行清洗,满足C4.5算法决策树模型训练、计算要求,形成电能表故障概率预测模型,实现电能表故障发生概率的提前预知和预防。以某供电公司近5年在运电能表数据、故障类型数据,实现电能表故障概率预测,提高单位电能表精准轮换工作效率,提升电能表计量资产精益化管理。 展开更多

关键词 C4.5算法 故障预测模型 故障概率预测

下载PDF 职称材料

基于长短期记忆网络的动车组轴箱轴承故障诊断预测模型研究 被引量：3

18

作者 刘冠男 常振臣 +2 位作者 高明亮 赵明 高珊 《城市轨道交通研究》 北大核心 2022年第2期86-91,共6页

动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全。以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发... 动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全。以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发了基于深度学习的轴承故障诊断预测软件,实现了轴承故障早期的分类与诊断。模型的仿真和试验表明,该诊断模型能有效地提高故障诊断的辨识精度,模型拟合优度可达到90%,辨识准确率最高可达到98%。 展开更多

关键词 动车组 轴箱轴承 故障诊断预测模型 长短期记忆网络

下载PDF 职称材料

基于深度学习的采煤机截割部齿轮故障预测 被引量：3

19

作者 任春美 《机电工程》 CAS 北大核心 2022年第8期1061-1070,共10页

采煤机截割部齿轮发生故障会降低采煤机的生产工作效率,并带来生产安全隐患,针对这一问题,以MG1000/2500 WD型采煤机作为研究对象,对其截割部的齿轮故障进行了成因机理研究、仿真分析和实验研究。首先,分析了采煤机的总体结构,对采煤机... 采煤机截割部齿轮发生故障会降低采煤机的生产工作效率,并带来生产安全隐患,针对这一问题,以MG1000/2500 WD型采煤机作为研究对象,对其截割部的齿轮故障进行了成因机理研究、仿真分析和实验研究。首先,分析了采煤机的总体结构,对采煤机截割部齿轮故障的常见成因与机理进行了分析;其次,归纳了卷积神经网络(CNN)的卷积层、池化层和全连接层的表达公式,基于深度卷积神经网络(D-CNN)构建了截割部齿轮故障模型,并且研究了模型的算法流程;最后,通过选取训练的数据集,对模型进行了训练,对截割部齿轮故障进行了预测和分类,并结合性能评价指标对不同模型的实验结果进行了对比。研究结果表明:采用基于深度学习方法的预测模型可对采煤机截割部齿轮故障进行有效预测,齿轮故障识别率约为98.71%;在同等情况下,D-CNN模型对齿轮正常状态和故障状态分类精准率达到98.78%、召回率达到98.88%;相比于其他模型,该模型对齿轮故障具有更高的识别率,具备较高的故障预测与分类性能。 展开更多

关键词 煤矿机械 齿轮传动 故障预测模型 故障分类 深度卷积神经网络 故障识别率

下载PDF 职称材料

基于大数据的设备故障预测 被引量：2

20

作者 万倩 谢峰 赵明 《广播电视信息》 2016年第11期71-73,共3页

针对有线电视网络设备的运维和管理,基于有线运营商采集到的大体量的设备性能指标及告警信息,采用决策树构建设备故障预测模型,从而根据设备当前的性能值,预测设备故障告警级别。该模型在运营商提供的真实数据上得到了较好的实验结果,... 针对有线电视网络设备的运维和管理,基于有线运营商采集到的大体量的设备性能指标及告警信息,采用决策树构建设备故障预测模型,从而根据设备当前的性能值,预测设备故障告警级别。该模型在运营商提供的真实数据上得到了较好的实验结果,对设备故障预测具有极大的实用性。 展开更多

关键词 大数据 故障预测模型 决策树

下载PDF 职称材料