基于數(shù)據(jù)驅(qū)動的火電廠關(guān)鍵輔機設(shè)備故障診斷技術(shù)研究.pdf_第1頁
已閱讀1頁，還剩81頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、火電廠輔機設(shè)備的在線監(jiān)測和故障診斷關(guān)乎發(fā)電機組的可靠穩(wěn)定運行。火力發(fā)電系統(tǒng)輔機設(shè)備表現(xiàn)為變量間交叉耦合、系統(tǒng)非線性強，很難建立精確的數(shù)學(xué)解析模型設(shè)備描述系統(tǒng)的工作狀態(tài)，本文以數(shù)據(jù)挖掘和機器學(xué)習(xí)為主要技術(shù)背景，以火電廠一次風機和制粉系統(tǒng)為主要研究對象，展開對火電廠輔機設(shè)備的在線監(jiān)測與故障診斷的研究。
　　本文從輔機設(shè)備的運行特性著手，介紹了基于實時數(shù)據(jù)挖掘的故障診斷技術(shù)的總體設(shè)計方案和實施路線。故障預(yù)警方面，以一次風機為研究對象，提

2、出了一種基于相似性建模和LS-SVM狀態(tài)估計的故障預(yù)警方法，利用實際數(shù)據(jù)，驗證所提方法在一次風機監(jiān)測中能及時發(fā)現(xiàn)故障早期征兆的有效性。將支持向量機在解決高維、非線性及小樣本的模式識別問題中的優(yōu)勢，推廣到輔機設(shè)備的故障分類中。針對電廠制粉系統(tǒng)多分類中故障類型和故障特征之間的類屬不確定性，提出了一種基于貝葉斯后驗概率估計的LS-SVM多標簽故障分類方法。結(jié)合電廠制粉系統(tǒng)的實例分析對算法的進行驗證其有效性和合理性。此外，提出了一種基于現(xiàn)有數(shù)據(jù)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論