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

反应堆关键设备健康监测与故障诊断技术研究进展

反应堆关键设备健康监测与故障诊断技术研究进展

  • 2025-01-25
  • 阅读1066

设备状态监测那些事

在现代工业生产与运维管理中，设备状态监测扮演着举足轻重的角色。它如同一双无形的眼睛，时刻注视着设备的运行状况，确保生产线的顺畅与设备的安全。

  • 2025-01-25
  • 阅读1137

发动机剩余使用寿命预测(5)

和XGBoost一样，LightGBM是一种基于梯度提升决策树的算法。它们都是通过迭代地训练一系列弱学习器，来组合成一个强地学习器，每一棵树都试图纠正前面所有树地累积误差。主要区别如下：

  • 2025-01-25
  • 阅读1060

发动机剩余使用寿命预测(2)

在上一篇总结中，我们使用了线性下降的方式来计算剩余使用寿命，最后的预测效果并不理想。所谓的线性下降，打个比方：假如一台发动机的寿命是200个循环（CY），线性下降就是用一次少一次。如果今天如果用掉了6CY，那么从明天开始，剩余的使用寿命就是194CY。

  • 2025-01-25
  • 阅读339

发动机剩余使用寿命预测(1)

C-MAPSS是由NASA开发并公开可用的一款仿真软件，能够模拟发动机在不同飞行条件下的运行情况，包括各种操作设置、环境条件和潜在的故障模式。在官方数据共享平台上：https://data.nasa.gov，有一个大型公开可用的数据集，包含了发动机从开始运行到故障发生的所有模拟数据。该数据集是一个多变量的时间序列，通过多个传感器通道记录的数值来表征故障演变。今天我们要做的就是利用该数据集来预测发动机的剩余使用寿命。

  • 2025-01-13
  • 阅读764

发动机剩余使用寿命预测(3)

在上一篇总结中，我们用分段线性模型来近似发动机性能衰退的不同阶段，最终的预测效果有了极大的提升。今天我们再基于分段线性模型，尝试使用XGBoost算法来对RUL进行预测，对比一下与LSTM谁的性能更优一些。

  • 2025-01-13
  • 阅读507

发动机剩余使用寿命预测(4)

在上一篇总结中我们使用XGBoost算法预测了发动机的剩余使用寿命，结果差强人意。今天，我们继续学习一种新的算法：随机森林（Random Forest）。

  • 2025-01-13
  • 阅读460

振动分析与振动监测

振动分析是一种通过观察系统振动特征的变化，发现异常并监控变化的过程。任何运动物体的振动特征都由振幅、强度和频率的变化来描述。这些振动特征可以与物理现象相关联，从而通过振动数据了解设备的运行状态。

  • 2025-01-13
  • 阅读273