• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于排列熵算法的自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測

    2020-09-15 02:38:42林四連
    關(guān)鍵詞:準(zhǔn)確性機(jī)械設(shè)備運(yùn)維

    林四連

    (黎明職業(yè)大學(xué),福建 泉州 364200)

    隨著自動化機(jī)械設(shè)備不斷應(yīng)用,對自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測受到人們的極大關(guān)注。通過對自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測,結(jié)合運(yùn)維特征分析方法,進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的可靠性監(jiān)測,提高自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維特征分析能力,研究自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法,在自動化機(jī)械設(shè)備運(yùn)行狀態(tài)可靠性分析中具有重要意義。相關(guān)的自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測方法研究受到人們的極大重視[1]。

    傳統(tǒng)的監(jiān)測方法通常是根據(jù)機(jī)械設(shè)備常見的故障數(shù)據(jù),結(jié)合以往的經(jīng)驗(yàn)進(jìn)行主觀判斷,但這種監(jiān)測方法主觀因素影響較多,機(jī)械設(shè)備監(jiān)測的準(zhǔn)確性較低[2],所以未被大量應(yīng)用在實(shí)際的監(jiān)測中。目前,常用的機(jī)械化設(shè)備監(jiān)測方法包括:振動監(jiān)測方法[3]和溫度監(jiān)測方法[4]。振動監(jiān)測方法是通過正常機(jī)械化設(shè)備運(yùn)行的動態(tài)性與出現(xiàn)異常的機(jī)械化設(shè)備進(jìn)行運(yùn)行數(shù)據(jù)對比,如振動頻率等。該方法通過機(jī)械化設(shè)備運(yùn)行數(shù)據(jù)的對比,可以判斷機(jī)械設(shè)備的運(yùn)行狀態(tài),但該方法在數(shù)據(jù)對比過程中由于對比數(shù)據(jù)較多,步驟繁雜,導(dǎo)致自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的準(zhǔn)確率較低。溫度監(jiān)測方法是根據(jù)自動化機(jī)械設(shè)備中某一部件對溫度的敏感性進(jìn)行監(jiān)測。該方法可根據(jù)周圍環(huán)境溫度的變化識別機(jī)械化設(shè)備的運(yùn)行狀態(tài),但該方法在監(jiān)測過程中易受到外界因素的干擾,對自動化機(jī)械運(yùn)行狀態(tài)的監(jiān)測實(shí)時性較差,不能及時反饋機(jī)械化設(shè)備運(yùn)行狀態(tài)。

    基于上述問題的存在,本文提出基于排列熵算法的自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測技術(shù)。在自動化機(jī)械設(shè)備運(yùn)行狀態(tài)特征和運(yùn)維可靠性分析的基礎(chǔ)上,實(shí)現(xiàn)自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。建立自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的組分監(jiān)測模型,結(jié)合運(yùn)維動力學(xué)分析方法,進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測模型優(yōu)化設(shè)計。通過構(gòu)建自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的分析模型,提取機(jī)械設(shè)備工況運(yùn)行狀態(tài)特征分析特征量;采用模糊信息檢測方法進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的排列熵特征量特征檢測,結(jié)合排列熵分析方法,分析自動化機(jī)械設(shè)備的運(yùn)行狀態(tài);采用關(guān)聯(lián)特征檢測方法提取自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的機(jī)械設(shè)備運(yùn)行可靠性特征量,通過排列熵組合算法,實(shí)現(xiàn)自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。仿真實(shí)驗(yàn)結(jié)果表明,本文方法在提高自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的準(zhǔn)確性方面具有一定的優(yōu)勢。

    1 機(jī)械設(shè)備工況運(yùn)行狀態(tài)特征分析

    1.1 機(jī)械設(shè)備運(yùn)行狀態(tài)檢測

    為了實(shí)現(xiàn)基于排列熵算法的自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測,構(gòu)建自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的機(jī)械設(shè)備工況運(yùn)行狀態(tài)特征分析模型,監(jiān)測自動化機(jī)械設(shè)備運(yùn)行狀態(tài);分析質(zhì)量數(shù)據(jù)的分布式融合模型,采用模糊信息分析方法,進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測狀態(tài)分析,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的模糊模型的元素為:

    (1)

    式中,“*”表示復(fù)共軛。計算各個監(jiān)測節(jié)點(diǎn)進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的統(tǒng)計特征量。采用多目標(biāo)檢測方法,監(jiān)測自動化機(jī)械設(shè)備運(yùn)行狀態(tài),建立機(jī)械設(shè)備運(yùn)行狀態(tài),分析動態(tài)特征量為:

    (2)

    式中,c4si=cum{|si(t)|4}表示機(jī)械設(shè)備運(yùn)行狀態(tài)分析的描述形態(tài)特征量;采用統(tǒng)計特征量分析方法,得到si,其表示自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的峰度。用C4s表示機(jī)械設(shè)備運(yùn)行狀態(tài)分析的均勻譜,即:

    C4s=diag[c4s1,c4s2,…,c4sL]

    (3)

    在污濁的環(huán)境中,確定自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維形態(tài)譜峰和譜密度。當(dāng)滿足0≤m,n≤P-1,則有:

    C1=AC4sAH

    (4)

    其中,A是一個維數(shù)為P×L的高階統(tǒng)計特征量分布矩陣。

    根據(jù)機(jī)械設(shè)備振動特征,實(shí)現(xiàn)非平衡數(shù)據(jù)多目標(biāo)檢測[5],輸出的自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維形態(tài)檢測參數(shù)Φ,Ω,Λ,分別為:

    Φ=diag[ej2φ1,ej2φ2,…,ej2φI]

    (5)

    Ω=diag[e-j2γ1,e-j2γ2,…,e-j2γL]

    (6)

    Λ=diag[ej2w1,ej2w2,…,ej2wL]

    (7)

    綜上分析,在機(jī)械設(shè)備振動特性分析方法下,建立自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的大數(shù)據(jù)分析模型;當(dāng)滿足span{Es}=span{A},考慮機(jī)械設(shè)備的運(yùn)維分布偏移特性,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維形態(tài)分布矩陣TL×L,即:

    EsT=A

    (8)

    提取機(jī)械設(shè)備工況運(yùn)行狀態(tài)特征量,采用模糊信息檢測方法,檢測自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的排列熵特征量特征。

    1.2 自動化機(jī)械設(shè)備運(yùn)行狀態(tài)分析

    (9)

    (10)

    (11)

    南桐選煤廠采用小直徑重介質(zhì)旋流器分選0.5~0.075 mm粒級的高硫難選煤,其分選可能偏差Ep值為0.057,煤泥降硫率達(dá)到14.3%,總精煤硫分下降4.83%。與常規(guī)浮選基本沒有降硫效果相比,煤泥重介質(zhì)旋流器是分選粗煤泥的一種較好方法[3]。

    2 自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測優(yōu)化

    2.1 排列熵算法

    采用模糊信息檢測方法檢測自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的排列熵特征量特征;結(jié)合排列熵分析方法,分析自動化機(jī)械設(shè)備運(yùn)行狀態(tài)。自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的穩(wěn)定狀態(tài)特征分布為C2,其排列熵元素C2(m,n)為:

    C2(m,n)cum{(t+1),xm+1(t),(t),xn(t)}

    (12)

    通過自由基偶聯(lián)分析自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的排列熵特征量模糊信息特征。通過自由基偶聯(lián)得到烯醇采樣結(jié)果,即si(t)≈si(t+1)。結(jié)合多參量融合方法,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維形態(tài)檢測樣本分布集:

    (13)

    在穩(wěn)定工況作用下,進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的全自動運(yùn)維,得到運(yùn)維組分特征分布矩陣為:

    C2=AC4sΛHAH

    (14)

    基于狀態(tài)特征遷移重排,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的高分辨融合矩陣為4P×4P矩陣,即:

    (15)

    C=E∑EH

    (16)

    式中,E=[e1,e2,…,e4P]為自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的特征分布酉矩陣;∑=diag[σ1,σ2,…,σ4P]為特征值組成的對角矩陣,且

    σ1>…σL…>σL+1=…σ4P=0

    (17)

    根據(jù)參數(shù)融合分析方法,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)中運(yùn)維監(jiān)測特征量,采用排列熵算法檢測運(yùn)行狀態(tài)特征[7]。

    2.2 自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測優(yōu)化

    采用關(guān)聯(lián)特征檢測方法提取自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的可靠性特征量。通過排列熵組合分析機(jī)制,實(shí)現(xiàn)自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。結(jié)合排列熵分析方法,分析自動化機(jī)械設(shè)備運(yùn)行狀態(tài)[8-9]。在各個監(jiān)測節(jié)點(diǎn),得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的先驗(yàn)概率分布為:

    (18)

    Kx=E[x4(t)]-3E2[x2(t)]b

    (19)

    其中,E[x3(t)]為衰減特征,b為迭代次數(shù)?;谂帕徐厮惴?,引入動態(tài)加權(quán)因子,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的機(jī)械設(shè)備運(yùn)行可靠性監(jiān)測模糊度函數(shù)為:

    (20)

    采用全自動流動數(shù)據(jù)集特征分析方法,將X劃分到C個聚類簇中,得到可靠性狀態(tài)特征分布為:

    (21)

    (22)

    采用狀態(tài)動態(tài)重組,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維組分監(jiān)序列為x(t),t=0,1,…,n-1。結(jié)合排列熵組合分析方法,評價自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的可靠性,得到相應(yīng)的狀態(tài)特征統(tǒng)計信息量為:

    (23)

    根據(jù)上述分析,采用關(guān)聯(lián)特征檢測方法提取自動化機(jī)械設(shè)備運(yùn)行狀態(tài)可靠性特征量,通過排列熵組合分析機(jī)制,實(shí)現(xiàn)自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。

    3 仿真實(shí)驗(yàn)分析

    3.1 實(shí)驗(yàn)參數(shù)

    為驗(yàn)證本文方法在實(shí)現(xiàn)自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測中的應(yīng)用性能,進(jìn)行仿真實(shí)驗(yàn)分析。設(shè)定自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的樣本組合數(shù)據(jù)為3組,每組數(shù)據(jù)的采樣長度為1024,對自動化機(jī)械設(shè)備油膜振蕩,動靜件摩擦等運(yùn)行狀態(tài)進(jìn)行實(shí)時監(jiān)測,得到機(jī)械設(shè)備的運(yùn)行狀態(tài)采集數(shù)據(jù)時域分布如圖1所示。

    (a)A類運(yùn)行狀態(tài)

    (b)B類運(yùn)行狀態(tài)

    (c)C類運(yùn)行狀態(tài)圖1 機(jī)械設(shè)備的運(yùn)行狀態(tài)采集數(shù)據(jù)時域分布

    3.2 實(shí)驗(yàn)結(jié)果分析

    3.2.1 不同方法監(jiān)測排列熵分析

    以圖1的數(shù)據(jù)為研究對象,進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測,得到排列熵分布如圖2所示。

    (a)A類運(yùn)行狀態(tài)

    (b)B類運(yùn)行狀態(tài)

    (c)C類運(yùn)行狀態(tài)圖2 機(jī)械設(shè)備的運(yùn)行狀態(tài)排列熵分布

    分析圖2可知,本文方法能有效實(shí)現(xiàn)機(jī)械設(shè)備的運(yùn)行狀態(tài)監(jiān)測。

    3.2.2 不同方法監(jiān)測設(shè)備準(zhǔn)確性分析

    為了進(jìn)一步驗(yàn)證本文方法監(jiān)測的有效性,對比了本文方法、文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法檢測的準(zhǔn)確性,對比結(jié)果如表1所示。

    表1 不同方法監(jiān)測機(jī)械設(shè)備運(yùn)行狀態(tài)準(zhǔn)確性(%)

    分析表1中數(shù)據(jù)可以看出,隨著實(shí)驗(yàn)迭代次數(shù)增加,三種方法檢測的準(zhǔn)確性隨之改變。當(dāng)?shù)螖?shù)為100時,本文方法的監(jiān)測準(zhǔn)確性為97.3%,文獻(xiàn)[3]方法的監(jiān)測準(zhǔn)確性為84.3%,文獻(xiàn)[4]方法的監(jiān)測準(zhǔn)確性為73.4%;當(dāng)?shù)螖?shù)為500時,本文方法的監(jiān)測準(zhǔn)確性為94.1%,文獻(xiàn)[3]方法的監(jiān)測準(zhǔn)確性為91.4%,文獻(xiàn)[4]方法的監(jiān)測準(zhǔn)確性為89.1%。可以看出本文方法進(jìn)行機(jī)械設(shè)備的運(yùn)行狀態(tài)監(jiān)測的準(zhǔn)確性較高。

    結(jié)語

    本文提出的基于排列熵算法的自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測,將自動化機(jī)械設(shè)備狀態(tài)進(jìn)行重組,得到自動化機(jī)械設(shè)備運(yùn)行狀態(tài)的運(yùn)維組分監(jiān)序列;采用關(guān)聯(lián)特征檢測方法,提取自動化機(jī)械設(shè)備運(yùn)行狀態(tài)可靠性特征量,通過排列熵組合分析機(jī)制,實(shí)現(xiàn)自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測。實(shí)驗(yàn)結(jié)果表明:采用本文方法進(jìn)行自動化機(jī)械設(shè)備運(yùn)行狀態(tài)監(jiān)測的準(zhǔn)確性最高可達(dá)97.3%,監(jiān)測精度較高。

    猜你喜歡
    準(zhǔn)確性機(jī)械設(shè)備運(yùn)維
    淺談如何提高建筑安裝工程預(yù)算的準(zhǔn)確性
    廣州鈺鉑機(jī)械設(shè)備制造有限公司
    廣州鈺鉑機(jī)械設(shè)備制造有限公司
    運(yùn)維技術(shù)研發(fā)決策中ITSS運(yùn)維成熟度模型應(yīng)用初探
    風(fēng)電運(yùn)維困局
    能源(2018年8期)2018-09-21 07:57:24
    雜亂無章的光伏運(yùn)維 百億市場如何成長
    能源(2017年11期)2017-12-13 08:12:25
    基于ITIL的運(yùn)維管理創(chuàng)新實(shí)踐淺析
    做好機(jī)械設(shè)備維護(hù)與保養(yǎng)的措施
    美劇翻譯中的“神翻譯”:準(zhǔn)確性和趣味性的平衡
    論股票價格準(zhǔn)確性的社會效益
    青岛市| 海原县| 大宁县| 茌平县| 桦川县| 彩票| 台前县| 平凉市| 汤阴县| 绵竹市| 罗田县| 彭州市| 九台市| 会东县| 安国市| 云梦县| 阿城市| 邵阳县| 上蔡县| 桓台县| 景洪市| 清徐县| 蓬莱市| 筠连县| 靖远县| 新民市| 景德镇市| 雷州市| 黄浦区| 阿拉善左旗| 五华县| 长春市| 城口县| 新邵县| 晋宁县| 丽江市| 六枝特区| 防城港市| 绥棱县| 涞源县| 元谋县|