期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用神经网络识别往复式压缩机指示图
被引量:
6
1
作者
王金东
张嘉钟
刘树林
《振动.测试与诊断》
EI
CSCD
2003年第3期217-219,共3页
为了探讨往复式压缩机的故障诊断技术 ,根据专家经验及现场诊断实例 ,将往复式压缩机气缸活塞系统的常见故障分为 10种 ,并对这 10种故障工况下的压缩机指示图进行了归一化处理 ,得到了压缩机指示图典型工况模式图谱。借助功能强大的 MA...
为了探讨往复式压缩机的故障诊断技术 ,根据专家经验及现场诊断实例 ,将往复式压缩机气缸活塞系统的常见故障分为 10种 ,并对这 10种故障工况下的压缩机指示图进行了归一化处理 ,得到了压缩机指示图典型工况模式图谱。借助功能强大的 MATL AB语言系统及其工具箱 ,完成了 BP网络压缩机工况模式识别软件的设计 ,用实测指示图验证了所建立的神经网络识别模型的准确性。
展开更多
关键词
神经网络
模式识别
往复式压缩机
故障诊断
指示图
下载PDF
职称材料
基于机器学习的海洋平台往复式压缩机故障诊断方法
被引量:
4
2
作者
吴斯琪
曹颜玉
+4 位作者
张秀林
吴迪
王维民
郭美那
李启行
《流体机械》
CSCD
北大核心
2022年第9期76-84,共9页
针对深远海平台往复式压缩机智能在线监测以及故障诊断预警需求,提出以往复压缩机示功图为基础的智能诊断方法。将正常示功曲线与实测示功曲线置于同一示功图中对比识别,依靠一种卷积神经网络模型的特征提取和自学习能力进行示功图分类...
针对深远海平台往复式压缩机智能在线监测以及故障诊断预警需求,提出以往复压缩机示功图为基础的智能诊断方法。将正常示功曲线与实测示功曲线置于同一示功图中对比识别,依靠一种卷积神经网络模型的特征提取和自学习能力进行示功图分类和往复式压缩机智能故障判别。通过使用Fluent软件数值模拟压缩机故障并提取气缸内压力变化生成示功图,为智能机器学习模型提供数据库,进行训练和测试,结果显示所提出的基于卷积神经网络故障识别方法准确率在95%以上,最高准确率可达99.14%,为实际压缩机的预测性智能维护提供了理论支撑。应用于深海平台往复压缩机故障诊断,智能分类识别了压缩机排气过程中的压力振荡现象,初步诊断为压缩机气阀排气量不匹配。
展开更多
关键词
卷积神经网络
示功图
故障识别
往复式压缩机
海洋平台
下载PDF
职称材料
题名
应用神经网络识别往复式压缩机指示图
被引量:
6
1
作者
王金东
张嘉钟
刘树林
机构
哈尔滨工业大学航天学院
出处
《振动.测试与诊断》
EI
CSCD
2003年第3期217-219,共3页
文摘
为了探讨往复式压缩机的故障诊断技术 ,根据专家经验及现场诊断实例 ,将往复式压缩机气缸活塞系统的常见故障分为 10种 ,并对这 10种故障工况下的压缩机指示图进行了归一化处理 ,得到了压缩机指示图典型工况模式图谱。借助功能强大的 MATL AB语言系统及其工具箱 ,完成了 BP网络压缩机工况模式识别软件的设计 ,用实测指示图验证了所建立的神经网络识别模型的准确性。
关键词
神经网络
模式识别
往复式压缩机
故障诊断
指示图
Keywords
reciprocating compressor pv-diagram neural networks mode identification
分类号
TH457 [机械工程—机械制造及自动化]
TP277 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于机器学习的海洋平台往复式压缩机故障诊断方法
被引量:
4
2
作者
吴斯琪
曹颜玉
张秀林
吴迪
王维民
郭美那
李启行
机构
北京化工大学高端机械装备健康监控与自愈化北京市重点实验室
海洋石油工程股份有限公司
中海石油(中国)有限公司海南分公司
压缩机技术国家重点实验室
出处
《流体机械》
CSCD
北大核心
2022年第9期76-84,共9页
基金
国家自然科学基金资助项目(92160203)。
文摘
针对深远海平台往复式压缩机智能在线监测以及故障诊断预警需求,提出以往复压缩机示功图为基础的智能诊断方法。将正常示功曲线与实测示功曲线置于同一示功图中对比识别,依靠一种卷积神经网络模型的特征提取和自学习能力进行示功图分类和往复式压缩机智能故障判别。通过使用Fluent软件数值模拟压缩机故障并提取气缸内压力变化生成示功图,为智能机器学习模型提供数据库,进行训练和测试,结果显示所提出的基于卷积神经网络故障识别方法准确率在95%以上,最高准确率可达99.14%,为实际压缩机的预测性智能维护提供了理论支撑。应用于深海平台往复压缩机故障诊断,智能分类识别了压缩机排气过程中的压力振荡现象,初步诊断为压缩机气阀排气量不匹配。
关键词
卷积神经网络
示功图
故障识别
往复式压缩机
海洋平台
Keywords
convolutional
neural
network
indicator diagram
fault
identification
reciprocating
compressor
offshore platform
分类号
TH457 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用神经网络识别往复式压缩机指示图
王金东
张嘉钟
刘树林
《振动.测试与诊断》
EI
CSCD
2003
6
下载PDF
职称材料
2
基于机器学习的海洋平台往复式压缩机故障诊断方法
吴斯琪
曹颜玉
张秀林
吴迪
王维民
郭美那
李启行
《流体机械》
CSCD
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部