【摘 要】
：
针对某企业在长期贮存特种设备的环境中所使用的专用空调机组,本文设计并实现了一个特种设备贮存专用空调机组故障预警系统。该系统通过对空调机组状态信息的全面监测,提供实时在线分析,对可能出现的故障进行预警,以便工作人员能及时维修,保障这些专用空调机组平稳运行。本文主要工作如下:（1）对空调机组所有状态参数训练并确定ARIMA预测模型。本文以空调机组历史运行数据为基础,采用了ARIMA算法构建设备状态参数
论文部分内容阅读
针对某企业在长期贮存特种设备的环境中所使用的专用空调机组,本文设计并实现了一个特种设备贮存专用空调机组故障预警系统。该系统通过对空调机组状态信息的全面监测,提供实时在线分析,对可能出现的故障进行预警,以便工作人员能及时维修,保障这些专用空调机组平稳运行。本文主要工作如下:（1）对空调机组所有状态参数训练并确定ARIMA预测模型。本文以空调机组历史运行数据为基础,采用了ARIMA算法构建设备状态参数预测模型,并按照白噪声和平稳性检验、模型定阶、模型检验、模型预测效果评估四个阶段对模型进行训练并加以评估,最终确定预测模型。（2）提出了基于三支决策的设备故障预警算法。首先采用ARIMA算法预测设备某状态参数的未来一段时间数据,由Pearson相似度计算得到的预测数据和故障数据之间的相关系数,然后引入三支决策思想,对Pearson相关系数进行三支划分,分别是α～1为强相关,表示设备异常;β～α为中等程度相关,表示设备状态待定;0～β为弱相关,表示设备正常。最后依据计算得到的相关系数所在的不同阈值范围来确定空调机组的运行状态;对于不确定情形下的设备状态,进一步选取与该参数相似性较强的其它参数进行上述步骤,直到判断出设备状态为止。（3）设计并实现一个基于B/S架构的特种设备贮存专用空调机组故障预警系统。服务器端由Spring Boot框架实现对数据库的访问和操作以及系统业务逻辑的处理,浏览器端由Vue框架实现与服务器端的数据通信和数据的可视化,以便技术人员更好地管理,降低操作难度。该系统功能划分为四个模块,数据统计分析模块负责读取设备参数特定历史数据和可视化展示,以供参考;关联分析模块负责计算设备参数之间的关联度,为故障预警模块的故障诊断提供其它预警方案;故障预警模块负责预测设备参数未来一段时间数据,并根据预测数据和故障数据的匹配情况判断设备状态;故障分析模块负责统计设备性能指标和故障停机记录,提供辅助信息,增加预警的准确性。该系统开发完成后,将其部署到值班平台进行整体效果测试,测试结果显示系统可以稳定运行,并能准确实现故障预警。
其他文献
现场总线技术广泛应用于工业自动化领域,是智能设备之间的数据通讯网络,增强了底层设备与控制管理层之间的联系。控制器局域网（CAN）就属于数据现场总线范畴。经过多年的发展,现场总线已经较为成熟,为了朝速率更快成本更低的方向发展,现场总线正在逐步向工业以太网转变。传统现场总线向工业以太网转变时,为了最大化保留原设备,降低更新换代的成本,需要在工业以太网芯片中搭载现场总线接口。目前市场中有大量的CAN总线
得益于科学技术的不断进步以及物理算力的逐步提高,神经网络作为当下人工智能领域的重要一环,已经被越来越多地应用于金融、交通、医疗、消费等各行各业中。但是,目前用于评估神经网络质量的方法依然是基于训练集—测试集的传统软件测试方法,无法保证神经网络的安全性甚至是正确性。再加上对抗攻击技术近些年不断地发展,使得对抗样本可以在只产生微小扰动的情况下肆意更改神经网络的输出,这也给人工智能领域覆上了一层阴霾。因
近年来,深度学习技术在多个研究领域大放异彩,基于卷积神经网络模型的创新成果与日俱增。为解决医疗资源紧缺和创建更好的医疗环境,全球多个国家出台相关政策,鼓励发展医疗人工智能行业,不断推进新一代计算机技术在医疗行业的应用。其中,利用深度学习技术的辅助诊断算法一直是数字医疗研究的热点,它能帮助医生诊断分析大量医疗数据,减少阅片误诊率和漏诊率。当前,一些深度学习算法模型在图像的检测效率和精度上相比于专业医
三维装箱问题属于典型的组合优化问题,在物流装载、仓储分配等问题中有广泛的应用场景。特别是在我国物流行业高速发展的今天,装箱效率是物流企业不可回避的优化方向。在一定时间内计算出合理的装箱方案能帮助企业降低物流成本,减少车辆与人员的浪费现象,如果再配合使用可视化软件或自动化装箱设备将大幅度提高装箱效率,从而增强企业竞争力。因此研究三维装箱问题不仅有极大的理论价值,也有十分重要的经济价值。通过文献调研,
可分任务的多趟调度已成为任务调度领域研究的热点和难点问题。多趟调度中不合理的任务分配不仅可能降低任务的完成效率、降低平台的资源利用率,甚至可能引发处理机的时间冲突（即任务在时间上重叠分配）,导致处理机不能如约按时完成任务计算。鉴于此,本文提出了一种合理、高效且无冲突的多趟调度模型及算法,并将该理论成功应用于求解雾计算平台下的任务调度问题。本文的主要研究成果包括:1.研究了无冲突的多趟调度模型及算法
聚类算法作为一种无监督学习方法,广泛应用于医学影像、图像分割、目标检测、和网络安全等领域。近年来,随着数据信息愈加复杂、多样,类的不平衡问题始终是学者们研究的热点之一。传统的聚类算法一般适用于普通数据集,在类大小差别较大的不平衡数据集上的聚类具有难以确定最终聚类数、不平衡比例未知等难点。多子类思想,是一种将不平衡数据集分成若干相似大小的子类,之后对相似度较高的子类进行合并得到最终聚类结果的过程。这
近年来,在互联网和医疗器械等市场需求增大和工艺技术不断更新换代的驱使下,ADC芯片需要向更高精度、更小能耗的方向发展。但是传统的SAR ADC被限制在中等精度,高精度的Sigma-Delta ADC利用过采样来实现精度的提升,但是过采样对失配误差的作用很小,传统校准失配误差方法为工艺修调或者数字校准,增加了复杂度。为打破失配误差对高精度的瓶颈限制,本文在SAR ADC的基础上,借助辅助ADC实现噪
如今,互联网已经深入到了人们日常生活的各个方面,从工作、娱乐、沟通到购物消费等都因为网络的便捷发生了巨大的变化,而这同时也产生了海量的数据需要存储和访问。为了应对这些问题,国内外研制了多种不同存储模式的No SQL数据库,其中键值数据库由于它的存储结构简单和良好的性能优势,获得了人们更多的青睐。键值数据库是使用一对数据作为存储模型,其中键的数据类型必须是能作为唯一标识的字符串,目的是为了建立索引及
随着互联网的迅速普及,各类互联网应用对数据库的要求越来越高,新的应用要求数据库不仅具有良好的ACID属性,在保持查询效率的前提下还要支持数据高速写入和更新,此外还必须具有良好的分布式可扩展性。在此背景下,新一代的NoSQL数据库应运而生。目前流行的NoSQL数据库包括Google的Spanner/F1、阿里的Ocean Base、Cockroach DB、Ti DB等,它们底层存储引擎都采用了LS
直接飞行时间测距法（DTOF,Direct Time of Flight）凭借其测距距离远,弱光性能较好,成为3D深度视觉技术未来的热门发展方向。而数字时间转换器（TDC,Time-to-Digital Converters）作为影响基于DTOF原理的图像传感器的关键组成部分,其性能的好坏直接决定了DTOF图像传感器的测距精度与误差。针对DTOF测距应用中高精度、宽动态范围和高稳定性的设计要求,经