基于WPT-Transformer的磨煤机故障预警研究

磨煤机运行干扰噪声多、耦合程度高的特点加大了火电机组安全运行故障预警难度。提出了基于小波包变换(wavelet packet transform,WPT)和Transformer的故障预警方法WPTTransformer。首先,通过自适应阈值的小波包分析方法,对信号进行降噪处理;接着,选取与故障测点相关的特征参数作为输入,建立基于自注意力机制的Transformer磨煤机预测模型;最后,利用核密度估计法分析预测偏差,确定预警阈值。以某660 MW机组中速磨煤机为研究对象,采用实际数据做验证,结果表明,所提方法预测精度高于CNN、LSTM、CNN+LSTM模型,能够对磨煤机早期故障进行预警。

基于卷积神经网络-长短时记忆神经网络的磨煤机故障预警

为提高对磨煤机故障的事前预知能力,结合深度学习方法的优势,在传统长短时记忆(LSTM)神经网络的基础上,提出基于卷积神经网络-长短时记忆神经网络(CNN-LSTM)的磨煤机故障预警方法。选择与磨煤机堵煤故障相关的测点作为模型的输入量,进行多元时间序列预测。得到模型输出预测值与磨煤机正常工作状态下的运行数据之间的偏离度函数,运用核密度估计方法确定预警阈值,实现磨煤机堵煤故障预警。以某660 MW火电机组的中速磨煤机为研究对象,建立CNN-LSTM模型并进行故障预警试验。试验结果表明,该模型可以精确预测磨煤机多个测点参数的变化趋势,相较于LSTM神经网络模型具有更高的精确度。该方法能够提前对磨煤机堵煤故障做出有效预警。

一种基于云技术的家用智能医药工具箱

一种基于云技术的家用智能医药工具箱的设计与开发,采用了智能传感、单片机、蓝牙通信技术等物联网技术,配合智能手机终端APP,将线下智能硬件与线上云平台或网络数据库紧密联系,实现体征参数测量、服药功能提醒、药品信息管理、数据实时上传与监测管理功能。