【摘 要】
:
往复式压缩机是国家工业发展的核心装备,在石油、化工等领域有着广泛的应用。往复式压缩机故障预警方法的研究对于提高往复式压缩机运行稳定性,保障工业生产安全等具有非常重要的现实意义。本文以某石油化工平台的往复式压缩机的气阀部件为研究对象,通过分析往复式压缩机工作机理,结合数据处理分析、时间序列预测等算法,提出了基于CEEMD-FCM数据处理算法的多级融合LSTM网络参数预测模型和多源信息融合的气阀故障预
论文部分内容阅读
往复式压缩机是国家工业发展的核心装备,在石油、化工等领域有着广泛的应用。往复式压缩机故障预警方法的研究对于提高往复式压缩机运行稳定性,保障工业生产安全等具有非常重要的现实意义。本文以某石油化工平台的往复式压缩机的气阀部件为研究对象,通过分析往复式压缩机工作机理,结合数据处理分析、时间序列预测等算法,提出了基于CEEMD-FCM数据处理算法的多级融合LSTM网络参数预测模型和多源信息融合的气阀故障预警策略,实现气阀故障的提前预警,提高设备的运行效率。针对往复式压缩机参数运行数据中含有噪声信号和特征信息混叠,难以直接从原始数据中提取出反映设备运行规律的有用特征信息的问题,本文利用CEEMD-FCM算法对往复式压缩机振动、压力等多参数多点位的运行数据进行多尺度模态分解和模糊聚类融合,实现数据细节特征信息的准确表征,降低后续参数预测建模复杂度。针对往复式压缩机参数预测建模中存在的预测精度低、鲁棒性差等问题,构建一种用于往复式压缩机参数预测的CEEMD-FCM&MLF-LSTM网络。该网络包括数据处理层、信息学习层和预测输出层。在数据处理层中利用CEEMD-FCM算法对多参数运行数据进行数据处理、特征信息提取。在信息学习层中通过MLF-LSTM学习模糊模态的时空特征信息及其变化规律,并进行数据重构。在预测输出层中,对参数预测结果进行反归一化后输出预测结果。实验结果表明,CEEMD-FCM&MLF-LSTM网络能够对不同类型的压缩机运行参数进行预测,预测精度高、鲁棒性好。针对往复式压缩机参数类型复杂、故障预警不及时等问题,提出了一种多源信息融合的故障预警策略。该策略将往复式压缩机设备的多类参数变化信息融合为气阀健康值,再根据预警阈值及预警约束条件等综合分析设备健康状态,进而实现往复式压缩机气阀故障预警。实验结果表明,本文所提故障预警方法在预警准确度、稳定性和灵敏度等方面具有很好的预警性能。基于本文所提算法,设计了一套往复式压缩机故障预警系统软件。该软件系统主要包括模型预警与更新、数据收集与整理、设备状态可视化多个功能模块,将针对多源信息融合的往复式压缩机故障预警的理论研究成果应用于工业生产当中。
其他文献
碳纤维增强复合材料(Carbon Fiber Reinforced Plastics,CFRP)具有耐疲劳、抗蠕变、高强度等优点,被广泛应用于航空航天、汽车电子与体育器材等领域。然而在生产与使用过程中,碳纤维增强复合材料会产生诸如纤维断裂、分层等缺陷,存在极大的安全隐患,且每种缺陷所造成影响与修补方法不尽相同,因此需要对碳纤维增强复合材料缺陷进行快速有效的检测与分类。本文采用电磁无损检测的方法,对
在许多临床专科工作中,医师们经常需要进行组织修补的临床决策。组织修补材料经过数十年的发展,已经成为临床组织修补方案中极其重要的要素。组织修补材料有各种不同角度的分类方法,然而其中对于临床决策意义较大的分类方法是根据材料植入宿主体内后的转归结果进行分类,因为材料植入体内后的转归结果才是与临床治疗效果最直接相关的因素。本文从材料体内转归的角度提出了一个组织修补材料分类的框架,并概述了其中临床常用的几种
路径规划作为移动机器人研究的重要方向,是指机器人能够从起始点到目标点之间有效避开障碍物,自主规划出一条合理的路径轨迹,是实现导航任务的关键。传统路径规划算法对已知地图环境下的路径规划已有显著研究成果,但未知地图环境下仍存在很大的研究空间。深度强化学习算法可以利用机器人与环境之间的探索和交互学习来解决这一问题。深度强化学习算法是通过深度学习对环境进行感知,利用强化学习对感知的信息做出决策判断。因此,
甲片产品的识别与定位方法是甲片产品自动分拣系统的关键技术。由于甲片产品的大小与颜色具有多样性,其位姿变化具有不确定性,以及背景环境和光照的影响,对甲片产品的识别与定位方法提出了苛刻的要求。为此,本文结合深度学习对甲片产品的识别与定位方法展开了研究。为了更高效地实现甲片产品的识别与检测,提出了一种基于改进FCOS(Fully Convolutional One-Stage)的轻量化检测网络FCOS-
往复式压缩机是海上石化平台的重要设备。提前预知压缩机是否发生故障,保证其平稳运行,对于工业生产高效率和维护平台人员人身安全具有重要意义。本文以某石油平台三台往复式压缩机的实际采集数据为基础,通过对多维数据进行分析,以数据的时间和空间特征信息融合为整体研究方向,实现压缩机整体运行状态预测与故障诊断。具体研究内容如下:往复式压缩机的多维时序数据具有丰富的时间和空间信息,因此获取数据的时间和空间特征是实
基于运动想象(Motor Imagery,MI)的脑机接口系统在卒中患者运动功能恢复方面占有一定地位,因此运动想象脑电信号(Electroencephalogram,EEG)的高精度分类具有重要意义。随着运动想象种类以及被试者数量的增加,算法的分类性能需要得到提升。本文基于深度学习方法研究MI-EEG信号的分类。本文主要工作为以下内容:1.总结基于深度学习的MI-EEG信号分类算法。对近几年国内外
电阻抗成像(Electrical impedance tomography,简称EIT)是一种具有吸引力、无辐射的成像方式,旨在从反馈的感应电压中把检测物体内部的电导率分布情况可视化。开放式电阻抗成像(open electrical impedance tomography,简称OEIT)方式将激励电极和测量电极集中在成像区域的边界,克服了传统成像方式的局限。因为电极位置的限制,减少了输入信号的数
工业产品的自动分拣是生产中的重要步骤,本文以美甲产品的自动分拣项目为背景,开展了在复杂生产环境下美甲产品的准确识别与抓取的关键技术研究。针对美甲产品图像中存在噪声干扰及光照变化等问题,实现了美甲产品图像预处理与分割算法的研究。具体研究内容如下:为了改善双边滤波方法的去噪和保边效果,并且提升滤波方法的适应性,提出了基于参数自适应的双边滤波去噪方法。由于图像平坦区域像素点间灰度值差异小,图像边缘区域像
经颅磁刺激(Transcranial Magnetic Stimulation,TMS)是一种非侵入性脑刺激技术,在神经和精神疾病的诊断治疗中拥有巨大的发展潜力。应用TMS治疗时,通常会根据患者的病因将线圈放置在一个固定的位置,对患者大脑解剖特征的差异考虑不周全,导致不能达到最佳的刺激效果。为了得到更好地治疗效果,需要拥有患者个性化的头模型,再根据电场模拟情况找到最佳的刺激方案。头模型通常是通过磁
<正>当前空气质量日益恶化、雾霾天气频现,造成这一环境问题的重要原因之一是各种移动源(机动车尾气)和固定源(电厂烟气、工业锅炉尾气排放)氮氧化物的恣意排放。目前,解决此类污染物最有效途径是催化治理技术,分子筛具有比表面积高、孔道规则有序、活性离子易改性、热稳定性好、工业应用经验丰富等特点,在环境保护领域发挥重要作用。