物聯(lián)設(shè)備預(yù)警算法說明_第1頁
物聯(lián)設(shè)備預(yù)警算法說明_第2頁
物聯(lián)設(shè)備預(yù)警算法說明_第3頁
物聯(lián)設(shè)備預(yù)警算法說明_第4頁
物聯(lián)設(shè)備預(yù)警算法說明_第5頁
已閱讀5頁,還剩15頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

油氣生產(chǎn)物聯(lián)設(shè)備預(yù)警系統(tǒng)—傳感器健康分析算法說明算法說明自學(xué)習(xí)判讀算法功能結(jié)構(gòu)概要設(shè)計(jì)系統(tǒng)模塊關(guān)系圖概要設(shè)計(jì)系統(tǒng)數(shù)據(jù)&控制流圖接口設(shè)計(jì)1、原則以數(shù)據(jù)庫為接口,判讀系統(tǒng)作為獨(dú)立進(jìn)程運(yùn)行,進(jìn)程間不進(jìn)行直接數(shù)據(jù)交互2、接口表概要設(shè)計(jì)輸入接口表:判讀邏輯輸出接口表輸出接口表算法模型讀值判讀模型貝葉斯網(wǎng)絡(luò)模型(BayesianNetwork)P(Final_rate)P(R)P(N_R)P(V_R)P(F_node_rate)P(H_V_rate)P(V_V_rate)P(B_node_rate)P(K_node_rate)P(T)算法設(shè)計(jì)-數(shù)據(jù)預(yù)處理統(tǒng)計(jì)滑動窗口

吳小培,葉中付,郭曉靜,張道信,胡人君,基于滑動窗口的獨(dú)立分量分析算法計(jì)算機(jī)研究與發(fā)展》2007年1期聶國梁,盧正鼎,聶國棟,流數(shù)據(jù)近似統(tǒng)計(jì)算法研究《計(jì)算機(jī)科學(xué)》2005年4期算法設(shè)計(jì)-閾值分析跳變發(fā)現(xiàn)流程劉軍,程光,異常檢測中信息熵靈敏度分析《廣西大學(xué)學(xué)報(bào)(自然科學(xué)版)》2011年z1期算法設(shè)計(jì)-同比環(huán)比分析環(huán)比判讀流程薛正華,董小社,李炳毅,廖詩華,基于BP神經(jīng)網(wǎng)絡(luò)的集群負(fù)載預(yù)測器《華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)》2007年z2期

林香,姜青山,熊騰科,一種基于遺傳BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型《計(jì)算機(jī)研究與發(fā)展》2006年z3期核心思路1.斜率擬合算法設(shè)計(jì)-關(guān)聯(lián)分析(趨勢分析)獲取一個(gè)單元的斜率向量(最小二乘擬合)判別向量相似度給定評分向量空間增量式聚類算法狀態(tài)遷移窗口設(shè)計(jì)吳佳,羅可,改進(jìn)的模糊C均值的增量聚類算法《計(jì)算機(jī)工程與應(yīng)用》2011年23期劉青寶,侯東風(fēng),鄧蘇,張維明基于相對密度的增量式聚類算法《國防科技大學(xué)學(xué)報(bào)》2006年5期張宇,劉雨東,計(jì)釗,向量相似度測度方法《聲學(xué)技術(shù)》2009年4期2.相似度判別3.計(jì)算得分算法設(shè)計(jì)-關(guān)聯(lián)分析(趨勢分析)續(xù)(0,0)(1,1)(1,-2)Θ2Θ1(x1,x2)理論壽命例如:廠家規(guī)定壽命8年,帶入計(jì)算公式可得:算法設(shè)計(jì)-壽命估計(jì)徐春玲,現(xiàn)場可靠性評定的理論與實(shí)踐,2010-南京理工大學(xué):電子與通信工程秦金磊,牛玉廣,李整,電站設(shè)備可靠性問題的威布爾模型求解優(yōu)化方法《中國電機(jī)工程學(xué)報(bào)》2012年z1期服役時(shí)間評分檢修時(shí)間評分算法設(shè)計(jì)-壽命估計(jì)(續(xù))故障信息評分算法設(shè)計(jì)-壽命估計(jì)(續(xù))算法設(shè)計(jì)-綜合評定算法設(shè)計(jì)-自學(xué)習(xí)模塊增量式聚類算法設(shè)計(jì)-自學(xué)習(xí)模塊(0,0)(1,1)(1,-2)(x1,x2)1)若告警,則將當(dāng)前狀態(tài)插入向量空間2)當(dāng)前狀態(tài)空間內(nèi)的向量超過預(yù)定范圍,進(jìn)行增量合并神經(jīng)網(wǎng)絡(luò)預(yù)測模塊算法設(shè)計(jì)-自學(xué)習(xí)模塊1)構(gòu)建三層神經(jīng)網(wǎng)絡(luò),通過學(xué)習(xí),確定每層次權(quán)重;2)依據(jù)歷史3次讀值,預(yù)計(jì)第四次讀值并校驗(yàn);循環(huán)迭代,訓(xùn)練網(wǎng)絡(luò)模型;3)依據(jù)最近3次讀值,預(yù)計(jì)本次讀值第1層(隱含層)第2層(隱含層)第3層(輸出層)第0層(輸入層)輸入數(shù)據(jù)單個(gè)儀表偶發(fā)數(shù)據(jù)不正常 輸出結(jié)果:不告警;輸入數(shù)據(jù)單個(gè)儀表連續(xù)數(shù)據(jù)不正常 輸出結(jié)果:告警;單個(gè)儀表趨勢(低限)預(yù)警 輸出:告警;單個(gè)儀表趨勢(高限)預(yù)警 輸出:告警;單個(gè)儀表突發(fā)超限 輸出:告警;邏輯上同組的設(shè)備,一個(gè)發(fā)生異常變化,其余不變 輸出結(jié)果,發(fā)生變化的告警;邏輯上同組的設(shè)備,均發(fā)生變化 輸出結(jié)果,都告警;用戶對告警信息確認(rèn)為虛警,再次輸入相類似數(shù)據(jù),不再告警;用戶對告警信息確認(rèn)為實(shí)際警告,再次輸入相類似數(shù)據(jù),再次告警;邏輯上多個(gè)分組,隸屬于不同分組的設(shè)備分別發(fā)生異常變化,分別告警;設(shè)備啟動,數(shù)據(jù)逼近正常區(qū)域 不告警;設(shè)備停止,一次性告警,確認(rèn)為虛

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論