实施连接工具需要相当高的技能,并且通常基于试错过程,这种过程耗时长且令人气馁。此外,在PHM应用中,希望找到并利用与当前退化轨迹完全相同的轨迹是不现实的。因此,有必要扩展预测工具的边界,以确保在观察到新情况时将其整合到模型中。这个过程应在合理的时间内完成。下面,我们提出一种具有学习收敛性的预测算法,使得预测系统的结构可以在最短时间内重新学习,因此可以根据需要多次重新学习。此外,该算法能够减少构建预测器时所需的假设,并最大限度地降低随机初始化过程的影响。
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)
脱硫装置产生的废水经由废水输送泵送至废水处理系统,采用化学加药和接触泥浆连续处理废水,沉淀出来的固形物在澄清浓缩器中分离浓缩,清水排入厂区指定排放点,经澄清/浓缩器浓缩排出的泥浆送至板框压滤机脱水后外运。
介绍新型配电网智能感知与弹性增强优化调控技术,如增强弹性感知力的智能感知,含高比例分布式电源的配电网三相建模与潮流分析,配电网间歇性源荷接纳能力建模、分析评估与综合接纳能力提升等。
没有账户,需要注册
163页化工动设备讲义(PPT),163页化工动设备讲义(PPT),163页化工动设备讲义(PPT)
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。
滨海蓝碳 红树林 盐沼 海草床碳储量和碳排放因子评估方法 (陈鹭真,卢伟志,林光辉译),滨海蓝碳 红树林 盐沼 海草床碳储量和碳排放因子评估方法 (陈鹭真,卢伟志,林光辉译)
北京云纵技术:智慧食堂解决方案32页,北京云纵技术:智慧食堂解决方案32页,北京云纵技术:智慧食堂解决方案32页北京云纵技术:智慧食堂解决方案32页
北京英博:电力电子再进化,工商储能再赋能,北京英博:电力电子再进化,工商储能再赋能,北京英博:电力电子再进化,工商储能再赋能
大模型是指通过在海量数据上依托强大算力资源进行训练后能完成大量不同下游任务的模型。大模型以其在模型精度和泛化能力等多个指标上超越传统AI模型的表现,以及赋能千行百业的巨大潜力,成为当今世界各国人工智能技术发展的核心方向。
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