基于支持向量机的矿山机电设备故障智能化检测方法

常规的矿山机电设备故障智能化检测特征提取通常是定点式检测,检测效率较低、漏报率高,为此,提出基于支持向量机的矿山机电设备故障智能化检测方法。进行智能化辅助检测节点的部署,采用层级的方式提取机电设备的故障层级特征,提升整体的检测效率。构建支持向量机机电设备故障智能化检测模型,采用自适应修正的方式保证检测结果。结果表明,针对选定测试区域上关联的机电设备,结合3组故障测试小组,最终得出的故障检测的漏报率均控制在2.4%以下,说明该方法更灵活、多变,针对性较强,具有实际的应用价值。

基于大数据的拖拉机发动机故障检测系统设计

针对拖拉机发动机检修人员技术水平较低、故障检测系统依赖人工检验程度较高的问题,基于大数据对拖拉机发动机故障检测系统进行了设计。系统主要组成为数据采集模块、数据库、智能分析模块、检测模块、信息查询和维护模块和检修模块。为了避免人工操作对故障检测的干扰,采用卷积神经网络的故障检测方式对拖拉机发动机进行故障类型识别,并对卷积神经网络结构进行设计,提升故障检测智能化水平。为验证发动机故障检测系统的有效性,通过温度和效率变化数据对系统进行测试和训练。试验结果表明:系统可以准确地检测和识别故障类别。