会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

RESS基于监督对比学习的双混合器剩余使用寿命预测模型

剩余使用寿命（RUl）预测问题旨在准确估计从当前预测时刻到设备完全失效的剩余时间，近年来受到了研究人员的极大关注。为了克服大多数现有RUL预测方法中时间和空间特征刚性组合的缺点，本文首先提出了一种时空均匀特征提取器，称为双混合器模型。采用灵活的逐层渐进特征融合，确保时空特征的同质性，提高预测精度。其次，引入了基于监督对比学习的特征空间全局关系方差（FSGRl）训练方法。该方法在模型训练过程中保持了样本特征与其退化过程之间关系的一致性，简化了输出层中的后续回归任务，提高了模型在RUL预测中的性能。最后，通过与C-MAPSS数据集上的其他最新研究工作进行比较，验证了所提出方法的有效性。双混合器模型在大多数指标上表现出优越性，而FSGRI训练方法显示，对于所有基线模型，RMSE和MAPE的平均改进率分别为7.00%和2.41%，我们实验和模型代码可在https://github.com/fuen1590/PhmDeepLearningProjects.剩余使用寿命、对比学习、深度学习、多层感知器

  • 2025-02-01
  • 阅读60

一种用于工业过程软测量的自学习进化节点感知图网络

近十年来，软测量深度模型在工业过程中的应用越来越广泛。然而，现有的大多数软测量模型都是为了从欧几里德空间中的规则数据中学习而开发的，忽略了过程变量之间的复杂耦合关系。另一方面，图网络在处理工业数据中的非欧几里德关系方面越来越受欢迎。然而，现有的软测量模型上的图网络仍然存在两个主要问题：1）如何从动态和强耦合的工业数据中捕捉变量间的结构关系和变量内的时间依赖关系；2）如何从对软测量任务具有独特重要性的节点中学习。为了解决这些问题，我们提出了一种用于工业软测量的自学习进化和节点感知图网络（SENGraph）。我们首先开发了一个自学习图生成（SLG）模块，将粗粒度图和细粒度图结合起来，从过程数据中捕获全局趋势和局部动态。然后，我们构建了一个自进化图模块（EGM），使用变异和交叉策略从整个图中获取多样化的节点特征。最后，我们设计了一个节点感知模块（NAM）来突出信息节点并抑制不太重要的节点，以进一步提高下游软测量的判别能力。对四个真实世界工业数据集的广泛实验结果和分析表明，我们提出的SENGraph模型优于现有的最先进（SOTA）软测量方法。

  • 2025-02-01
  • 阅读66

旋转机械轴设计的10种轴向定位方法及特点

轴的轴向定位是指在机械设计中，确定轴在机器中的轴向位置并使其保持固定，以保证轴上零件能正常工作，防止轴产生轴向窜动等不良现象。以下是几种常见的轴的轴向定位方式

  • 2025-02-01
  • 阅读43

电机瞬态过程分析

电机瞬态过程分析

  • 2025-02-01
  • 阅读54

床温——循环流化床锅炉关键参数研究与思考（一）

循环流化床锅炉（CFB）因其燃料适应性强、燃烧效率高、污染物排放低而广泛应用于热电行业。在其日常运行中，“床温”是循环流化床锅炉的核心运行参数之一，对锅炉运行的安全性、稳定性、经济性以及环保低碳性能都有着重要影响。

  • 2025-02-01
  • 阅读54

乔磊磊、魏绍青、吕俊复：循环流化床锅炉全负荷调峰特性研究（复述.电机工程学报.2025.1.5）

基于循环流化床(CFB)燃烧技术的燃煤发电机组可实现长周期压火热备运行与快速启停，即具备全负荷调峰能力。在某300 MW？亚临界？CFB锅炉上的试验结果显示，机组功率能够以10.4% Pe/min？的速 率快速降至？1 MW，后在1%极低负荷率下维持长时间稳定运行，总压火时长超过110 min，压火结束后又能以3.5%Pe/min？的速率实现热态再启。压火期间，平均床温以？2.2？℃/min？的速度从？800？℃降至？553℃；主汽温度和主汽压力分别下降了？165？℃和？1.7 MPa；各受热面横向温度偏差基本在10？℃以内；汽轮机和发电机运行平稳，各项参数都在安全限值以内。扬火瞬时烟气？CO？浓度急剧上升超过1%， 但无爆燃风险。调峰全过程尘硫氮污染物排放小时均值满足超低排放要求。该研究为深入挖掘煤电机组灵活性提供了一个更具竞争力的方向，对高比例消纳风光等可再生能源、保障新型电力系统可靠稳定运行具有重要意义。

  • 2025-02-01
  • 阅读65

用于系统级异常检测的自监督变分图自动编码器

？无监督异常检测 （AD） 方法，无论是基于重建的还是基于预测的，都根据残差确定异常。单个变量中的偶尔突变可能会导致残差超过限值。事实上，这种突变并不是系统运行机制的变化。因此，系统级异常很难表征。复杂网络（或“图”）非常适合建模和表征复杂系统的演化规律。但是，大多数工业场景都没有图表。因此，提出了一种自监督变分图自动编码器 （SS-VGAE） 方法。首先，通过去趋势互相关分析 （DCCA） 构建多源传感器动态图;其次，设计目标和自我监督学习任务。目标任务是重建输入图结构，以最大限度地减少重建损失。自我监督的任务是学习潜在空间中超球体的最佳中心，以便尽可能地将平均特征聚集到中心。多任务联合优化允许同时考虑高维和低维空间特征，从而提高异常分数的可靠性。然后，计算异常分数的分布并将其集成到系统运行状况指标 （HI） 中。系统 HI 更适用于辅助决策。最后，通过核个人计算机瞬态分析仪 （PCTRAN） 模拟数据和 Skoltech 异常基准 （SKAB） 数据证明了所提方法的优越性，即更好的检测精度和鲁棒性。最后但并非最不重要的一点是，发现系统性异常使变量之间的相关性更强。

  • 2025-02-01
  • 阅读67

有限数据下故障诊断的可解释潜在去噪扩散概率模型

本公众号主要介绍机械状态监测、故障诊断、寿命预测、智能制造等相关前沿研究和进展。欢迎关注本公众号获取领域最新文献解读。

  • 2025-02-01
  • 阅读86