计量自动化流水线检定系统质量监控方法应用研究

计量自动化流水线检定系统已在国内逐渐得到推广应用,为确保系统检定结果的准确可靠,本文根据自动化流水线检定系统的特点,提出一种结合"在线静态"、"离线动态"和"质量抽查"的质量监控新方法;通过在自动化流水线检定系统中的实际应用,验证了所述出方法的有效性;该方法对于计量自动化流水线检定系统的推广应用具有参考意义。

一种基于聚类分析的电力计量自动化检定流水线故障诊断方法

针对自动化检定设备系统的集成度和复杂度越来越高,依靠传统经验维护变得越发困难的问题,文中提出了一种基于聚类分析的电力计量自动化流水线故障诊断方法。该方法利用特征提取、数据训练和变迁分类的方法,分类训练得出针对目标系统的故障诊断模型。在真实数据的对比试验中发现,K-Means聚类算法在实现低样本量的故障原因预测方面有着理想的效果。该方法模型从自动化系统本身出发,充分考虑流水线及设备相互之间的影响关系,最终实现全面故障诊断,较人工神经网络算法、决策树分类和贝叶斯分类算法分别提高了7.55%、9.96%和9.96%。

基于深度学习的电力计量检定流水线故障预警技术

传统故障诊断系统通过传感网络、采集网络、日志报文等技术收集检定系统的运行数据,但采集数据量较少,专家判断法、决策树法、SDG模型等传统的数据挖掘方式效率较低、诊断效果差。针对现状,文中将深度学习技术引入自动化流水线的检定系统,实现故障预警、诊断一体化,基于深度学习神经网络构建针对自动化流水线的故障分类模型,并用实际系统运行数据对模型预警效果进行测试验证。算法验证最终以概率形式给出故障预警结果,充分考虑流水线及设备相互间影响的因素,结果表明,该方法具有理想的故障预警效果,为自动化流水线的故障排查与预防提供更精确的信息。