除了随时间的特征预测外,预测还需要在每个时刻估计监测系统的健康状态。考虑到预测的不确定性和故障限制概念的模糊性,状态分类的这一步骤可能是关键的。这就是我们在下一节要解决的问题。
在这一部分中,我们解决了基于提取和/或预测特征的监测系统的健康状态评估问题(参见图4.1,第68页)。这种状态估计是通过分类器实现的。下面,我们阐述原理并讨论必须解决的问题,以实现预测的“可靠性”和方法的“通用性”目标。
以下我们尝试通过引入一种新的分区算法以及一种新的系统健康状态评估方法来解决上述提到的问题(第 4.3.1.3 节)。所提出的聚类算法是减法-最大熵模糊聚类(S-MEFC)[JAV 13a, JAV 15a]。它基于(并利用)两种分区算法:
正如在第 4.3.1.1 节中介绍的那样,本节的目的是提出一种程序,使得能够估计监测系统故障前的剩余时间(RUL)。因此,S-MFEC 算法一方面用于估计系统的离散状态(当前和未来状态),另一方面通过类似于已观察到的案例(符合方程 [4.21])来动态设置故障阈值。为了清晰简单地呈现,这里假定特征由先前提出的 SW-ELM 算法(第 4.2.2.2 节)进行预测,但对于任何其他预测器,该程序都保持不变。
为了说明基于特征预测和无监督状态分类的预测方法以及所提出的动态阈值处理程序的价值,我们再次考虑了在2008年第一届国际 IEEE PHM 大会上介绍的 TURBOFAN 应用(第 56 页)
在文献中,“预测”一词有多种定义。不同的定义主要来源于作者的职业背景和应用敏感度。然而,尽管没有完全的共识,预测可以按照ISO委员会的建议进行定义:
根据提取出的特征集,并依照上一章所述的考虑因素,可以进行预测:(1)通过预测特征的演变并分类系统未来的状态,或者(2)通过构建一个健康状态估计器,用于预测系统的演变(状态或持续时间的预测)。在本章中,我们将讨论后者的方法。
我们描述如何利用由DBNs表示的MoG-HMMs来建模关键组件的退化,评估其当前健康状态并预测其剩余有用寿命。根据图5.1中的介绍,故障预测分为两个阶段:
没有账户,需要注册
本工程建筑为办公生产大楼,由地上32层、地下3层组成;其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房;地上部分:主楼一层含公共大厅;5为设备转换层,11、22层为避难层,33层设置机房;6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展,能源系统智能化特征越来越突出,能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升,所 涉及的设备和系统将数以亿计,在 规划和运行过程中将产生海量数据, 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节,蕴含着巨 大的价值。
技术开发的迭代推进和技术应用的规模化积累,在推进数字技术不断取得新突破的同时,也使数字技术变得更加成熟和可靠。数字技术的先进性、复杂性、集成性与数字化系统覆盖面更广、界面更直观、操作更简单同步发展。人们能够随时随地访问功能越来越强大的数字化系统。
本工程为单缆无源系统,将为大楼提供全面无线通信信号覆盖,所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
针对现有基于深度学习的潮流计算方法均基于回归模型,不具有潮流判敛功能对输入的潮流不收敛样本仍映射出虚假系统潮流分布问题,提出一种适用于潮流分析的多任务学习模型,同时具备潮流判敛及潮流分布计算功能。
本文提出了一种基于气吹灭弧原理的一体化防雷灭弧间隙,并且基于磁流体动力学原理 (MHD)对间隙电弧进行仿真分析,利用有限元仿真分析软件搭建了该一体化防雷灭弧间隙模型,分析了间隙电弧熄灭的能量消损过程。
数字孪生城市是在数字空间对物理城市进行复刻、精准映射、实时交互的数字城市,通过数字建模、感知连接、智能分析等技术,洞察物理城市运行状态,仿真推演运行趋势,形成智能交互决策,反馈于物理城市,实现对物理城市的持续优化和迭代升级。自 2017 年“数字孪生城市”建设理念被首次提出以来,在国家部委政策驱动下,数字孪生城市相关技术逐渐成熟,全国多地加快数字孪生应用场景创新实践,在文旅、城市治理和网络等热点领域形成大量优秀案例,市场规模持续增长,应用效能不断增强。
设备点检SOP培训PPT课件
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南