基于LSTM和CRF的加工过程运行状态识别

针对加工过程中时序信号截取成本高和运行状态自动识别困难的问题,提出一种结合双向循环神经网络BiLSTM和条件随机场(CRF)的加工过程信号状态识别模型,适用于变参数加工场景。采用LSTM来捕捉时间序列数据的前后依赖性关系,并利用该网络对振动信号进行深层特征提取。在此基础上,为了进一步捕捉状态数据,将LSTM的输出特征输入至条件随机场(CRF)模型和多层感知机(MLP)中进行边界帧分类,进行预测并输出结果标签序列。最后以变参数下的铣削实验为例,验证了基于BiLSTM-CRF的信号状态识别模型在复杂变参数场景下的有效性。

一种基于机器学习识别医疗设备异常运行状态方法的建立

由于传统识别医疗设备异常运行状态方法是通过手工预定义的关键字与设备响应数据的字段相匹配完成设备异常识别,易导致医疗设备识别结果不精确。基于此,本研究提出基于机器学习的医疗设备异常运行状态识别方法。基于机器学习的医疗设备异常运行状态识别方法通过传感器采集医疗设备的电压、电流、工作温度等异常特征数据,对多特征数据进行叠加融合,引入GRU网络构建机器学习识别模型,输入数据训练模型完成医疗设备异常运行状态识别。实验结果表明,基于机器学习的医疗设备异常运行状态识别方法可识别医疗设备不同类型的异常运行状态,误报率为4.43%,识别异常运行状态时间较短,准确度更高。

基于ILSTM网络的工业过程运行状态评价

实时掌握复杂生产过程的运行状态对保证企业综合经济效益最大化具有重要意义.针对工业过程非线性、动态特性显著问题,本文提出了一种基于综合经济指标驱动的长短期记忆(ILSTM)网络,用来对复杂工业过程的运行状态进行评价.该方法利用综合经济指标信息和重构约束,迫使LSTM网络在学习过程中关注与综合经济指标相关的动态特征.进一步级联状态识别模型,构建完整的运行状态评价方法框架.针对过程的非优运行状态,提出一种基于重构的贡献图方法,通过对比各过程变量对非优状态的贡献率识别导致过程运行状态非优的主要原因变量.最后,通过重介质选煤过程验证了所提方法的有效性.

基于知识图谱的电力调度控制系统运行状态识别模型

保证电力调度控制系统的可靠运行是电网安全运行的基础保障,因此设计基于知识图谱的电力调度控制系统运行状态识别模型。采集电力调度控制系统的全部运行数据,通过知识图谱构建电力调度控制系统运行数据库知识图谱,采用灰色理论和卡尔曼滤波分别完成电力调度控制系统运行状态预测和状态滤波,获取其运行状态识别结果。测试结果显示模型能够全面呈现电力调度控制系统的运行数据,生产安全裕度和调度安全裕度指标的最高值分别达到0.94和0.97,识别性能较好;系统运行风险低,可以保障电网的全面调度和管控效果。

基于多源数据融合的交通路网运行状态识别方法研究

伴随现代传感技术、计算机技术、通信技术以及信息技术的快速发展,越来越多的交通检测设备和技术被应用于城市道路交通系统的控制和管理之中,不同类型检测器采集的交通数据形式复杂多样,在数据格式、采集频率以及时效性和准确性等方面呈现巨大的差异。本文基于多源数据的交通路网运行状态识别方法展开研究,对交通状态进行估计与判别,以便于实现对交通拥堵的早期预警,还能够为交通管理者提供实时的决策支持,从而优化城市交通系统的整体效能。

基于图像识别的电力设备运行状态自动化监测

由于电力设备种类繁多、结构复杂且运行环境各异,设备运行状态的实时监测率较低,为此,提出基于图像识别的电力设备运行状态自动化监测研究。采用高性能摄像头实时捕获电力设备运行图像,通过高斯滤波和灰度转换优化图像质量,利用直方图均衡化技术改善电力设备运行图像质量,并通过尺度不变特征变换算法提取图像中的关键点特征,使用模板匹配算法,对比实时捕获的电力设备图像特征与标准数据库中的图像特征,实现电力设备的自动监测和精准识别异常。结果表明,设计方法能够快速准确地捕捉到电力设备异常情况,显著提高实时监测率。

图像识别技术在电气工程设备运行状态监测中算法识别与应用

随着电气工程设备日益复杂和广泛应用,其运行状态的监测与分析显得尤为重要。本文基于图像识别技术,提出了一种新的电气工程设备运行状态监测与分析方法。该方法首先利用高分辨率摄像头采集设备运行图像数据,然后运用卷积神经网络(CNN)等深度学习算法进行处理与分析,以识别设备运行状态中的异常情况。研究结果表明,该方法能准确识别设备运行状态,及时检测异常,相比传统监测方法具有更高准确率和实时性。本文研究为电气工程设备的智能监测和故障预警提供了有效技术手段,具有重要实际应用价值。

液压动力系统运行状态识别技术研究

以机械工程中液压动力系统为对象 ,在理论分析以及大量试验研究的基础上 ,给出了基于电流信号功率谱特征的液压动力系统 4种运行状态标准模式。提出了基于灰色关联度计算的模式识别方法 ,该方法能很好地识别出液压动力系统正常以及电动机故障、机械故障、油泵故障的发生。此外 ,灰色关联度算法简单、计算量小 ,可以实现在线监测。

基于农机空间运行轨迹的作业状态自动识别试验

以物联网为代表的现代信息技术在农机作业管理领域的发展应用,实现了农机作业过程的定位监控,但现有农机远程监管系统对海量农机空间位置数据仅实现了远程存储、显示和简单分析,难以满足农机精准管理和数据智能处理的要求。该文采用数据挖掘中的聚类和空间数据分析方法,结合农机空间运行轨迹的特点,研究了基于空间运行轨迹点的农机作业状态自动识别算法;设计实现了典型农机运行状态自动识别方法,定量分析了农机作业班次内田间作业时间、空行转移时间、停歇时间的量化构成。农机试验表明:发展的基于空间索引和网格密度的聚类算法精度达89%以上。农机作业状态自动识别为农机作业生产率、农机利用率和作业成本核算提供了定量依据。

汽车运行状态识别方法研究(二)——基于模糊神经网络的识别方法

采用汽车运行状态特征参数的最优子集建立了一个基于模糊神经网络的汽车运行状态识别模型。对北京、上海、广州、武汉的主干道和快速路运行工况进行了识别,计算结果为:除对北京市主干道运行工况的识别准确度为82.67%外,对其余运行工况的识别准确度都为100%;对北京市主干道和快速路汽车实际运行车速的识别准确度为89.08%。

电力市场运行状态的识别方法研究

电力市场运行状态识别对防范市场风险具有重要意义。该文在借鉴Dyliacco关于电力系统状态划分成果基础上,简析了电力市场运行状态划分方法,提出判断市场状态的关键性特征指标。由于指标的大量性和复杂性,采用决策树方法进行市场状态识别。通过实例集的学习训练,采用基于信息熵的算法,形成可学习和判断未知市场状态的决策树模型。对2000年美国加州进行分析计算,结果符合实际情况,验证了该方法对市场状态识别和预警的有效性。

气体管道运行状态特征提取与状态识别

研究了气体管道各种运行状态下的声波信号特征参数,通过仿真分析验证可变模态分解(VMD)后前两个分量的中心频率IMF1和IMF2,以及经VMD-Wavelet处理后重构信号的云模型特征熵En和重心频率FC可以作为气体管道运行状态识别的特征参数;研究了反向传播神经网络,提出VMD-En-BP模型,通过测试分析发现,该模型能够准确识别气体管道的正常运行、敲击、渗漏、小泄漏和大泄漏等五种运行状态。

基于支持向量机的电气设备运行状态图像识别方法研究

针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中。首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;再利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别。试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能。不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别。

电力系统运行状态分析和识别方法研究

电力系统运行状态的识别对于电力系统的安全运行具有重要意义,在已有的关于电力系统运行状态划分的基础上,提出判断电力系统运行状态关键性的实用量化指标,采用基于信息熵的算法,对实例集进行分析和学习,构建决策树用以对电力系统运行状态进行状态识别和判断。

考虑轨迹数据的公交运行状态识别

运用公交GPS数据并采取地图匹配算法对公交实际运行状况进行刻画,统计车辆的单程耗时、到站时间间隔,量化分析公交行程时间可靠性,评价公交线路的运行效果,提出了基于行程时间增加率识别线路拥堵高发路段的方法。以哈尔滨市公交车轨迹数据为例分析了84路公交运行情况,结果表明:该线路单程准时度为88.33%,单程准时稳定度为61.55%,基于行程时间增加率的拥堵模型能够有效识别线路常发性拥堵路段,在热力图可视拥堵高发路段的空间分布情况。通过轨迹数据分析发掘公交运行变化特征,可为解决城市交通拥堵问题、提高公交服务水平及可靠性提供参考依据。

AMT车辆运行状态参数识别的新方法

针对在研究电控机械自动变速器(AMT)三参数换档规律中需要对车辆的运行状态参数进行精确识别的难题,本文提出了利用一个静态识别过程和一个动态识别过程对车辆质量、滚动阻力系数以及空气阻力系数进行实时地识别新方法,以及通过建立一个同胚映射对车辆行驶路面的坡度进行精确求解的办法。这些方法简便、实用,对提高电控机械自动变速器的性能有重要的意义。

基于超声波传感的磁流变阻尼器运行状态识别

利用磁流变液阻尼器的可控特性进行汽车悬架系统阻尼参数的实验匹配,需要感知阻尼器的运行状态变化(拉伸/复原)。采用超声波传感器对汽车磁流变阻尼器运行状态进行感知,运用DSP(数字信号处理器)进行数据处理,实现了汽车磁流变液阻尼器的运行状态识别;完成了系统的软、硬件设计,搭建了实际电路系统,并开展了相应的实验测试。实验结果表明:该系统的分辨率和实时性都能够满足要求。

重点营运车辆定位信息在路网运行状态识别中的应用分析

交通运输部《公路网运行监测与服务暂行技术要求》对于交通运行数据监测、指标体系和公路出行信息发布提出了明确要求,文中针对这一要求,在分析重点营运车辆("两客一危"车辆)运行特征的基础上,通过设计数据清洗和计算方法、补充和调整判定阈值信息,探讨了重点营运车辆实时卫星定位信息在公路网运行状态识别中的应用,并在江苏省公路网进行初步实践,说明其应用效果。

电能质量治理设备运行状态识别及其治理效果评价

针对目前电网中电能质量干扰源复杂、用户侧治理设备管理困难的现状,文中提出了基于电网侧电能质量监测数据,对用户侧治理设备进行运行状态识别以及治理效果评价的算法,实现电网公司对用户侧电能质量治理设备的非侵入式监测。文章利用概率神经网络,将电压偏差、三相电压不平衡度、电压谐波总畸变率以及电压长时闪变作为网络的输入参数,对治理设备的工况进行分类,以实现治理设备的运行状态识别;通过对比治理设备投入前后的电能质量评估结果,结合模糊综合评价法来完成治理设备的治理效果评价。以安徽电网某变电站的监测数据为例,分析了所提电能质量治理设备运行状态识别方法和治理效果评价方法的实用性。

基于VMD-ED-云模型熵的管道运行状态定量识别技术

针对管道不同运行状态下的信号特征在同一尺度上难以全面提取,提出基于变分模态分解(VMD)、欧氏距离(ED)和云模型熵的管道运行状态定量识别技术。首先,采用VMD算法对负压波信号进行去噪处理,根据最小巴氏距离法确定分解尺度,并通过计算各固有模态分量(IMF)与原始信号概率密度函数间的欧氏距离确定有效信号分界点,提取重构信号的云模型熵值作为特征参数,输入支持向量机(SVM)进行工况识别,并针对实例进行模型对比验证。结果表明,组合模型的总体识别效果较好,可识别正常、敲击、小孔泄漏、大孔泄漏信号等四种工况,训练集上的分类准确率为100%,测试集上的分类准确率为95%,明显高于其余对比模型,说明了组合模型具有可行性和合理性。