【摘 要】
：
近年来,随着大数据、云计算、人工智能、工业互联网等新一代信息技术的迅速发展,制造业的智能升级蓄势待发。设备作为制造生产过程中最重要的部分备受关注,随着新一代信息技术与传统制造业的深度融合,获取大型装备的运行数据变得更为容易,如何利用新技术对故障进行有效预警和诊断成为智能制造领域的研究热点。由于设备的可靠性,采集的数据具有非平衡性,即大部分为正常数据,有效故障数据较少,导致传统的机器学习方法难以直接
【基金项目】
：
基于补偿增量自学习的复杂装备故障诊断方法,河北省自然科学基金资助项目.F2019202062； 工业智能物联网及数据分析平台研发及产业化,天津市科技计划项目.18YFCZZC00060；
论文部分内容阅读
近年来,随着大数据、云计算、人工智能、工业互联网等新一代信息技术的迅速发展,制造业的智能升级蓄势待发。设备作为制造生产过程中最重要的部分备受关注,随着新一代信息技术与传统制造业的深度融合,获取大型装备的运行数据变得更为容易,如何利用新技术对故障进行有效预警和诊断成为智能制造领域的研究热点。由于设备的可靠性,采集的数据具有非平衡性,即大部分为正常数据,有效故障数据较少,导致传统的机器学习方法难以直接处理这些非平衡数据;与此同时,设备的状态和属性会随时间变化而发生改变,新增数据的潜在信息对装备当前状态和未来运行趋势有更重要的价值。本文为了解决智能制造领域中设备数据非平衡、时序性等特性带来的问题,本文提出了以下方法:（1）提出基于LSTM的疲劳因子隐形异常检测及故障诊断方法,该方法不仅通过LSTM网络实现了故障时序数据中有效信息的提取与传递,而且通过非监督学习从大量正常数据中提取时序数据特征的方法规避了非平衡数的问题,消除了设备运行状态数据中对方法故障诊断准确性的消极影响;（2）在针对当前研究现状中缺少对设备老化磨损情况的评估问题,论文在上述工作的基础上引入疲劳因子,该方法有效检测设备的细微变化,并对异常信号及时预警,从而发现设备磨损、老化等问题。更重要的是,在上述检测过程中再次收集异常数据,并将异常数据经过判断处理后应用到故障分类模型中;（3）针对故障时序数据有复杂时间关联性这一特性,本文提出了融合EMD特征提取的故障时序数据分类模型,并使用基于LSTM结构的深度神经网络提取时间维度上的特征以提高故障分类准确率。经试验分析验证,基于LSTM的振动信号预测模型的预测效果优于传统RNN模型,在长期预测方面效果优于基于统计的ARIMA模型。融合EMD特征提取的时序数据故障分类模型对21组数据6类故障进行分类的准确率达到了90.12%,在对较长的时间序列进行分类时,其性能优于不使用EMD处理数据的方法。因此,本文提出的基于LSTM的疲劳因子隐性故障检测方法能够实现轴承设备的异常及疲劳检测,同时达到可靠的故障分类诊断,显著提高诊断精度,节约时间成本,满足装备故障数据的特性要求。
其他文献
光伏电池片中的裂纹缺陷会造成电池片失效,影响电池组件的正常使用,也不利于光伏发电系统维持稳定。光伏电池片电致发光（Electroluminescence,EL）图像呈现非均匀复杂表面,随机分布的晶粒和缺陷目标之间的对比度低,缺陷形状、尺度不一等特点,给利用传统方法对裂纹缺陷的准确性和鲁棒性检测带来很大的挑战。因此本文提出了多个深度学习模型,有效地解决了复杂背景对裂纹缺陷识别的影响,最终形成了一套有
化学机械平坦化（CMP）是集成电路（IC）制造的关键工艺之一,是实现多层铜布线局部和全局平坦化的核心技术。阻挡层平坦化是铜互连CMP制程中的最后一步,决定着IC器件的良率和可靠性。钽（Ta）具有较高的电导率和抗电迁移性,并与Cu有很好的粘附性,被广泛用作铜互连的阻挡层材料。在阻挡层CMP过程中,由于Cu/Ta两种金属活性的不同,会形成电偶腐蚀,而且CMP抛光液中部分组分也会对铜表面造成腐蚀,影响器
模式匹配是计算机领域中对字符串的一种基本运算,目的是在较长的序列中找出与给定模式相同或相似的所有子串。模式匹配在诸多领域中具有广泛的应用,如搜索引擎,金融分析,数据挖掘等。与传统模式匹配相比,带有间隙约束的模式匹配更具灵活性,其允许模式中包含指定范围的通配符数量,具有重要的研究意义。在一次性条件下的模式匹配中,模式中包含间隙约束且序列中同一位置的字符最多允许被模式使用一次,这种方法在生物信息学和序
根据世界卫生组织国际癌症研究机构发布的权威报告显示,肺癌现如今已经成为世界上发病率和死亡率最高的癌症,是危害人类生命健康的头号元凶。肺结节作为肺癌早期的重要表现形式,其有可能发展为肺癌的几率约为40%,因此精准检测和分割并且对CT图像中的肺结节准确定性成为挽救肺癌患者的关键。近年来,随着人工智能、深度学习等新兴技术的兴起,越来越多基于深度学习的模型迁移到医学图像分割上来,为肺癌的早期诊断提供了新的
风电机组具有故障率高的特点。为提高风电机组运行可靠性,论文以风电集控中心的SCADA系统作为数据来源,将某公司生产的风电机组作为研究对象,采用基于数据驱动的方法进行风电机组的故障预测与识别研究,为风电场的智能化运维提供参考信息。论文详细研究工作如下:首先,论文对风电机组的故障现象进行分析,通过SCADA系统中的风机状态码筛选风电机组处于运行状态的数据。采用数据库操作对零值、空值等系统异常值及风功率
近年来,随着我国智慧校园建设的快速发展,信息技术与教育教学深度融合成为必然趋势。在课堂教学中,学生的行为状态能够反映学生的课堂参与度和教学效果,对于教学质量评估及改进教学方式具有借鉴意义。同时,随着人工智能的发展,深度学习在语音、图像识别,自然语言处理等多个领域都取得了大量成果,新的框架模型不断涌现。其中,卷积神经网络（CNN）因其结构简单、训练参数少和适应性强等特点成为众多科学领域的研究热点之一
编辑:自您担任本刊编委起,行业对您的印象都是"暖通人",请问是什么机缘您开始把研究方向由"暖通"转向了"电气"?Editor:Your major "HV&AC"has been impressive for us since you served as our editorial board member of the Journal of Building Energy Efficien
带有间隙约束的模式匹配可以用来计算模式在序列中的支持度,是序列模式挖掘的核心技术,在生物、安全监测、数据挖掘方面有着广泛应用。传统的模式匹配分为精确模式匹配和近似模式匹配,由于实际数据中存在大量的噪声干扰,近似模式匹配的优点在于具有灵活性,相对精确模式匹配可以发现更多有价值的模式。目前,带间隙近似模式匹配主要采用Hamming距离作为度量相似度,这种度量方法仅仅能够反应出两个序列串有多少个不一致的
溴被称为“海洋元素”,被广泛应用于工农业生产中,与人们的生活息息相关。我国作为产盐大国,每年制盐副产的苦卤中含有丰富的溴资源。传统的提溴方法是空气吹出发和水蒸气蒸馏法,存在收率不高、设备庞大、不利于低浓度溴资源提取等缺点,因此需要开发新的工艺来改善溴资源的利用状况。除溴资源外,苦卤中还含有更多的钠、钾、氯元素,因此对Na+,K+//Cl-,Br-四元体系从整体上进行开发利用,有助于提高我国苦卤综合
事件检测是政府和企业掌握敏感话题、把控舆情动态的重要手段,能够使网络社会更加和谐进步。传统媒体的事件检测方法适用于规范书写的新闻报道文章,社交媒体的事件检测方法适用于稀疏性、动态性、社会性的短文本,这两种方法都需要对文本进行处理,而文本处理过程是繁琐和效率低下的。通过网络演化进行事件检测具有简洁、高效的特点,但直接建立网络演化模型只宏观地分析了网络演化,忽略了节点的演化情况,从节点的微观角度能更加