【摘 要】
：
针对智能电表科学定期更换需求,建立一种基于智能电表基本误差数据的剩余寿命(RUL)预测方法。首先采用Person相关系数筛选对智能电表基本误差数据影响较大的环境应力作为模型输入;然后采用高斯核、Matern32核及周期核匹配多应力环境下智能电表基本误差趋势;利用贝叶斯方法和蒙特卡洛马尔科夫链(MCMC)求解模型。实验结果表明,不同公司智能电表具有不同环境耐受性,在高干热典型环境条件下,A公司智能电表数据后验上四分位线达到阈值,剩余寿命为43个月;B公司智能电表未出现普遍失效情况,但未来47个月会有较大可能
【机 构】
：
湖南大学电气与信息工程学院,国网新疆电力有限公司营销服务中心
【基金项目】
：
国家自然科学基金(52077067),国家重点研发计划(2019YFF0216800),湖南省研究生科研创新项目(CX20200426)资助。
论文部分内容阅读
针对智能电表科学定期更换需求,建立一种基于智能电表基本误差数据的剩余寿命(RUL)预测方法。首先采用Person相关系数筛选对智能电表基本误差数据影响较大的环境应力作为模型输入;然后采用高斯核、Matern32核及周期核匹配多应力环境下智能电表基本误差趋势;利用贝叶斯方法和蒙特卡洛马尔科夫链(MCMC)求解模型。实验结果表明,不同公司智能电表具有不同环境耐受性,在高干热典型环境条件下,A公司智能电表数据后验上四分位线达到阈值,剩余寿命为43个月;B公司智能电表未出现普遍失效情况,但未来47个月会有较大可能
其他文献
航天飞行器在返回地球大气层时外表面会产生兆瓦级的热流,瞬时温升可达1 800℃,为了保证飞行器的稳定安全运行,准确实时测量飞行器热防护系统表面热流具有非常迫切和重要的意义。针对高温热流检测的技术难题,提出了一种引线与基底一体化的新型热流传感器结构。结合陶瓷烧结静压成型和磁控溅射技术,通过在嵌入PtRh6引线的99氧化铝陶瓷基底端面依次沉积PtRh30-PtRh6热电堆薄膜、Al_2O_3薄膜、Zr
电弧故障是电气火灾的重要原因.低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了
整辊式板形仪是冷轧带材接触式板形仪的发展趋势.整辊式板形仪在自重和外载作用下的挠曲变形会使内部安装的传感器预紧力发生变化,产生类似正弦波形的干扰信号,和有效信号叠
随着声学探测技术的不断进步,对声压传感器提出了高精度、小型化、抗电磁干扰能力强和易批量生产等要求。研制了基于微光电子机械系统(MOEMS)敏感结构的非本征Fabry-Perot(F-P)干涉仪式光纤声压传感器。利用圆片级集成技术实现MOEMS敏感结构与光学腔室的高精度对准,大大提高了传感器的一致性。声压传感器的声学性能测试结果表明,其具有高灵敏度和良好的线性响应度,信噪比达到78.3 dB,实现了对声压信号的优良响应。此外,该传感器既具有光纤传感技术精度高和抗电磁干扰能力强等优点,又具备了微电子机械系统(
地震干涉法是一种求解两道检波器之间频散曲线的微动勘探算法,然而频率域中传统的地震干涉法在求解频散曲线时,相干系数拟合使用的是第一个单调递减段贝塞尔函数,计算的有效频散点较少,高频段缺失,在进行微动探测时,浅层结构分辨率低,出现深度近似1倍台站距离的勘探盲区。本文提出一种改进的地震干涉法,使用实测信号的信噪比模型来修正两道信号的相干系数,通过第一类零阶贝塞尔函数的单调性把相干系数划分为不同区间段,分段拟合贝塞尔函数来求解面波相速度。工程实践表明,该方法探测效果良好,拓展了高频段,提高了浅层分辨率,有效地解决
汽车上AR-HUD已经得到了广泛应用,其环境感知模块需完成目标检测、车道分割等多个任务,但是多个深度神经网络同时运行会消耗过多的计算资源。针对这一问题,本文提出一种应用于AR-HUD环境感知的轻量级多任务卷积神经网络DYPNet,其以YOLOv3-tiny框架为基础,融合金字塔池化模型、DenseNet的密集连接结构、CSPNet网络模型的思想,在精度未下降的情况下大幅减少了计算资源消耗。针对该神
精准了解洞穴滴水水文特征是研究喀斯特包气带地下水渗透过程的基础.为了连续准确获取滴水信息,本文研究设计了一个喀斯特溶洞洞顶滴水传感器以满足喀斯特水文地质研究中的需
为消除功率起伏效应引起的太赫兹(THz)图像局部伪影,构建了基于同态滤波的THz图像增强模型。然而,模型各参数取值差异大且耦合性强,给其参数确定带来了困难。为此,本文提出了混沌映射与差分进化自适应教与学优化算法以求解增强模型最优参数。首先,改进了标准Logistic混沌映射,提高了种群多样性。其次,引入适应度更新率,构造了自适应惯性权重调节函数,平衡了全局与局部寻优能力,利于种群向最优解逼近。然后
癫痫发作自动检测技术对癫痫患者的诊断和治疗具有重要意义.由于癫痫发作期持续时间较短,发作期与非发作期的脑电数据分布是不平衡的.针对该问题,本文提出了一种不平衡分类与
齿轮退化状态的准确评估对于设备安全运行具有重要意义。常规的齿轮退化状态评估方法的效果受特征提取、预处理等因素的影响。基于生成模型的状态评估方法利用原始观测进行评估,能够降低人为因素的影响。但传统生成模型如变分自编码器(VAE)存在边缘估计不准确的缺点。本文提出了多元可逆深度概率学习(MIDPL),通过叠加可以被优化的可逆变换实现从既定初始分布到未知观测分布的转换,将分布特性复杂的多观测序列转换至既定初始分布进行边缘概率计算继而实现状态评估。本文通过齿轮退化实验验证了MIDPL的有效性,与VAE相比,MID