【摘 要】
：
随着科学技术的发展,系统的复杂程度不断提高,故障诊断在化工过程的生产运行中发挥着越来越重要的作用,可以有效提高系统的可靠性,减少事故的发生及系统故障引发的重大损失。但是在故障诊断中仍存在着诊断准确率和速度有待提高的问题,对此本文提出了一种基于模糊粗糙集（FRS）和网格搜索鲸鱼算法优化的支持向量机（GS-WOA-SVM）的故障诊断方法,具体工作如下:首先,提出了基于模糊粗糙集和支持向量机的故障诊断方
论文部分内容阅读
随着科学技术的发展,系统的复杂程度不断提高,故障诊断在化工过程的生产运行中发挥着越来越重要的作用,可以有效提高系统的可靠性,减少事故的发生及系统故障引发的重大损失。但是在故障诊断中仍存在着诊断准确率和速度有待提高的问题,对此本文提出了一种基于模糊粗糙集（FRS）和网格搜索鲸鱼算法优化的支持向量机（GS-WOA-SVM）的故障诊断方法,具体工作如下:首先,提出了基于模糊粗糙集和支持向量机的故障诊断方法,解决故障辨识不准确影响故障诊断速度的问题。利用模糊粗糙集属性约简算法对过程数据进行故障特征选择,得出最小故障特征集合,使故障特征更加简洁准确,再通过支持向量机进行故障分类。通过田纳西-伊斯曼（TE）过程实验表明,基于模糊粗糙集和支持向量机的故障诊断方法可以在保证故障诊断准确率的情况下缩减诊断所需时间。其次,提出了基于鲸鱼优化算法的支持向量机故障分类模型,并加入网格搜索的方法,提高故障诊断的精度。先通过网格搜索法对支持向量机的参数粗略寻优,再通过鲸鱼优化算法精确寻优构建支持向量机故障分类模型,有效降低模型陷入局部最优的可能性,提高故障分类的准确率。通过对比实验表明,基于网格搜索和鲸鱼算法优化的支持向量机化工过程故障诊断模型的诊断准确率较高,可以快速有效地对TE过程中的故障做出诊断。最后,通过MATLAB App Designer设计开发了基于改进支持向量机算法和的化工过程故障诊断平台,解决了实际生产过程中不易直接对故障诊断模型操作的问题,方便工作人员快速实现故障诊断,直观地反映出诊断的准确率和故障类型。通过TE过程对平台功能进行说明及测试,并通过海上自流井故障诊断实验验证了改进SVM故障诊断平台的有效性。
其他文献
随着深度神经网络发展以及大规模数据集的出现,普通图像识别已取得很大成功;然而细粒度图像由于类内差异大、类间相似度高,易受恶劣环境影响,导致其精确识别困难。针对上述问题,提出一种基于双线性的循环注意卷积神经网络（Bilinear Recurrent Attention Convolutional Neural Network,BRAN）细粒度图像识别方法,并应用于海洋细粒度鱼类图像的分类研究中。首先
供暖管道在长期使用中就一直出现热力不均衡问题,在此问题上给居民和供暖工作带来了很多不必要的麻烦。所以,现在主要任务就是先将供暖管道热力不平衡问题处理,给城市居民带来舒适的居住环境。本文主要对供暖管道热力不平衡问题进行研究与分析,并提出主要应对对策。
我们利用两个全同二能级原子与双模真空腔场相互作用并得到了四体近似W态。我们发现不论两原子初始处于Einstein-Podolsky—Rosen纠缠态或者非纠缠态,四体近似W态都能实现。并且四体纠缠随着系统的初始态和失谐量的变化而变化。重要的是,当两原子初始处于Einstein-Podolsky-Rosen纠缠态时,原子-原子,腔场-腔场的纠缠可以达到最大值1.而两原子初始处于非纠缠态时,原子-原子
蛋白质三维结构预测一直是分子生物学的重要课题,传统实验方法非常复杂且耗时较长。随着深度学习的兴起,RGN（Recurrent Geometric Networks）作为一种深度学习模型已成功应用于蛋白质三维结构预测。该模型通过一条氨基酸序列及相关PSSM（Position Specific Scoring Matrix）信息来预测一条序列对应的蛋白质主链三维结构,其预测结果的精度可以媲美目前最优方
不同患者对同一抗癌药物的反应可能不同,了解患者之间对抗癌药物的反应差异对癌症精准医疗具有重大参考价值。高通量测序数据的不断完善为构建抗癌药物反应分类预测模型,进而挖掘数据背后隐藏的信息提供了良好的数据基础。基于两大经典数据集,癌症细胞百科全书（CCLE）和癌症药物敏感性基因组学（GDSC）,本文构建了两种预测癌细胞系对抗癌药物敏感或抑制的二分类模型,为抗癌药物反应预测和生物标志物识别提供了可选择工
随着新能源分布式发电的发展与国家对智能电网的布局,电能路由器成为近年来的研究热点,隔离型双向变换器作为电能路由器实现电能灵活控制的主要部分,不仅充当着不同电压等级之间能量流动的桥梁,还实现了电气隔离。本文针对区域电能路由器中蓄电池储能问题,提出一种三电平电流型推挽双向DC/DC变换器,主要研究内容如下:根据传输电感电压的不同状态,将三电平电流型推挽双向DC/DC变换器的工作区间划分为四种正向模式（
呼吸信号的监测在临床和家庭日常监护中起着非常重要的作用,传统的呼吸气流法和胸部阻抗法监测具有局限性,不适合长时间连续监测。部分研究者通过心电信号或光电容积脉搏信号拟合呼吸信号,准确性差,且考虑的特征属性单一。为此,本文针对静息状态下和活动状态下的呼吸信号预测方法进行了研究,主要工作如下。首先,对呼吸相关生理信号和生理参数进行了分析,并提出基于心电信号和光电容积脉搏信号的呼吸信号特征提取方法。为后文
随着科技的进步,越来越多的复杂系统涌现出来,产生的相关数据呈直线增长,这些数据对复杂网路的研究也起到了推动作用。链路预测是复杂网络的一个重要研究方向,主要解决的是如何通过已知的数据及其之间的相互作用关系,预测那些已经存在但尚未被观测到的数据、未来可能出现的数据和一些虚假的数据。随着链路预测的研究成果广泛应用于各个领域,如何提高链路预测精度成为了首要问题。本文的研究主要是基于网络拓扑结构的,以网络中
入侵检测一直是网络安全方向的热点课题,网络异常流量检测是组成入侵检测系统的重要工具。为了解决异常流量高维性、离群点容易造成分类模型过拟合和忽视异常流量内语言文本含有的丰富语义结构等问题,本文的主要研究如下:首先,针对网络流量维数过高的问题,提出一种基于信息增益率的前向特征选择算法。采用贪心策略将难以选取候选特征子集的问题的解决策略指定为计算流量记录里各特征的信息增益。还为提高数据的质量做出了贡献。
同步定位与建图（Simultaneous Localization and Mapping,SLAM）一直是移动机器人领域的研究热点。服务机器人在与环境的交互与感知中,需要记忆功能来完成认知任务,基于大脑空间认知模型的RatSLAM就有这一特点。RatSLAM可以像人类一样描述和记忆机器人经过的位置,使用场景的标志性特征,不需要高精度传感器,适用于长、宽范围的定位和导航。然而,RatSLAM的定位