基于改进ShuffleNet的往复设备关键部件智能诊断技术研究
这是一篇关于数据采集,小波阈值降噪,轻量化网络,智能诊断,往复类设备的论文, 主要内容为油田往复类设备主要包括往复泵与往复式压缩机,其气阀、十字头、连杆等关键部件振动信号冲击性强,受各类噪声影响大。目前油田现场主要通过分析现场设备的振动、温度、压力等运行参数来对设备进行运行状态评估与故障诊断,这种基于运行参数的评估与诊断方法在分析往复类设备关键部件的冲击信号时效果不佳,无法对故障有效诊断。因此,本文以油田往复类设备的关键部件为研究对象,对冲击信号降噪与轻量化网络智能诊断方法进行了研究,主要内容如下:(1)往复设备振动数据获取针对目前往复设备关键部件故障数据样本不足的问题,本文使用中国石油大学(北京)故障诊断实验室的往复式压缩机试验台。通过更换不同裂纹位置的连杆、更换不同磨损程度的十字头、调节地脚螺栓、调节气阀螺栓等方式来模拟往复设备关键部件的多种不同故障类型,并采集各故障状态下的试验台振动信号,本文通过将试验台故障数据与现场采集的故障数据相结合,为信号降噪与故障诊断任务提供了数据支持。(2)基于萤火虫算法的冲击信号小波阈值降噪优化针对传统小波阈值降噪的参数选取过于简单、片面,对现场往复设备关键部件的冲击信号降噪效果差的问题,本文将萤火虫优化算法应用于小波阈值降噪,该优化算法可实现对各细节分量的阈值优选,本文还对小波阈值降噪的其它相关参数进行优选与探究。经检验,该方法相较于传统的小波阈值降噪有着更好的冲击信号降噪效果,更加适用于往复类设备关键部件的冲击信号降噪工作。(3)基于改进Shuffle Net网络的往复设备关键部件故障诊断针对Shuffle Net网络的原始版本架构复杂、参数量多、计算效率低等问题,本文构建了适用于油田往复设备关键部件在故障类别较少这类情况下的轻量化Shuffle Net网络结构。改进版本Shuffle Net的网络架构思想基于Shuffle Net v2,在维持0.5x版本网络基本架构下精简了单元的数量,并调整了网络中的部分卷积层设置。试验证明:改进版本的Shuffle Net网络在减少运行参数量与计算时间的前提下,仍维持了良好的故障诊断分类水平,更适用于往复类设备关键部件的故障诊断工作。(4)智能诊断方法现场结合针对目前各智能诊断方法与现场结合不足的问题,本文将所提出的智能诊断方法与现场气阀的多种故障案例相结合,试验证明:本文方法对现场气阀故障信号仍具备良好的分类效果,分类准确率达到98.8%,证明了该方法对于油田现场同样具有适用性。
面向癫痫诊断的特征融合及协同决策方法
这是一篇关于癫痫,脑电图,特征融合,模糊系统,智能诊断的论文, 主要内容为癫痫是一种非传染性的慢性神经系统疾病,发作时的不可预测性给患者带来了生活的不便,且其并发症形式多样,严重时可能危及生命。基于脑电图(Electroencephalogram,EEG)进行癫痫诊断是该疾病最常用的临床诊断手段。但是,阅读脑电图主要依靠有经验的医生目视检查,费时费力。因此,研究辅助医生读图的癫痫自动诊断模型尤为重要。随着技术的发展,已经有许多癫痫诊断的模型出现,不过仍然存在着一些问题和挑战,一是原始EEG数据存在信息不完整和时空信息互相干扰的问题;二是癫痫发作的标记数据不足和样本不平衡问题;三是探究如何提取出全面性的有效特征;四是数据的异化性和分类设定的多样性问题。针对上述四个问题,本文提出了两种基于特征融合及协同决策的新方法,分别用于癫痫发作检测和癫痫发作亚型分类任务,并进一步开发了在线服务平台原型系统。本论文的主要工作包含如下三个方面:(1)针对原始数据的信息完整性及特征的鉴别力问题,本文提出了一个多尺度深度特征融合及多视角协同的癫痫检测算法。首先,从时域、频域、时频域提取三种浅层视角特征,并通过深度学习得到深度特征;然后,构建多尺度融合网络学习出多个全局融合视角特征,分别描述了一个一般化的全局融合视角和三个局部强化的全局融合视角;进一步地,在得到的三个深度视角和四个全局融合视角的基础上,训练了基于模糊规则的多视角TSK模糊系统。最终构建出具有高泛化性和可解释性的癫痫检测模型。将该模型应用于国际开源的波士顿儿童医院癫痫脑电数据集进行性能评估,在准确率、灵敏度和特异度三个测试性能上均表现优异。与其他的新颖方法相比,本文所提出的检测算法具有更好的整体性能。(2)针对特征的有效性、数据的异化性和分类设定的多样性问题,本文提出了一个自相关特征融合及模糊分类的亚型分类算法。该算法由深度特征处理、自相关融合和模糊分类三个部分构成。深度特征处理包括通道压缩、扩频等一系列操作。自相关融合的过程首先依靠多头注意力机制提取时域和频域信息的自相关性;然后,融合两种自相关特征构成时频自相关特征;最后,学习时频深度特征和时频自相关特征的多视角信息,得到时频融合特征。模糊分类由经典的TSK模糊系统作为基本模型实现。基于天普大学癫痫脑电数据集和华中科技大学儿童数据集,该分类算法在F1指标和准确率上均达到了不错的效果。同时给出了不同亚型划分的验证结果和解释。(3)基于上述两个算法,开发设计了一个智能癫痫诊断平台的原型系统。平台前端由Vue框架实现,后端基于Spring Boot和Flask框架,该平台服务于临床医生和患者,由管理员进行信息和权限监管。医生首先通过癫痫检测模型确认是否为癫痫发作并标记发作期,然后利用癫痫亚型自动分类模型明确患者的发作类别,便于医生更快更有效地掌握足够的病理信息并对症诊断。患者可以借助平台远程查询病情,并通过在线聊天功能便捷及时地和医生进行沟通,做到医患云端会面。该平台既提高了医生的诊断效率,又降低了患者的问诊成本,真正达到了医患信息共享,搭建出医患沟通新桥梁。
基于web的电主轴在线监测与故障诊断系统研究
这是一篇关于故障诊断,工业互联网,在线监测,远程诊断,智能诊断的论文, 主要内容为机械设备故障在机械运行过程中不可避免的发生,设备出现故障首先不能完成既定的设备功能,还隐藏着巨大的危险,设备故障不能得到及时处理,可能引发火灾、爆炸等伤害性极大的生产安全事故,给人民的生命财产安全带来隐患,所以工业安全要求有效的监管,如何从技术上实现对设备运行工况的在线监测和远程诊断是一个具有现实研究意义的课题。传感器等检测仪器的发展为故障检测提供良好的非现场监测手段,同时,对监测数据采集和储存对实现故障类型分析和诊断决策提供有力的数据支撑。电主轴作为工业生产广泛应用的数控机床加工的核心部件之一,其工作性能直接关系到数控加工的运行。为保证电主轴在实际工况下正常运行和被加工产品的加工质量,针对电主轴运行状况的故障诊断系统研究显得异常重要。本文在物联网的大背景下,以实现工业互联网为基调,针对电主轴实时运行情况作为对象,展开了基于web的故障诊断系统的研究,实现了数据共享、机械设备分布式监测、数据集中处理的目的。首先,本文通过分析电主轴特性,选取能反映元件故障的特征信号,利用互感器等采集监测设备进行原始信号采集和处理,通过网络传输协议,将采集信号和信号对应所属监测编号统一传输到数据库进行储存和集中式管理,其次,为优化数据处理速度,本文设计实时数据表和历史数据表,以及对各监测点进行分表储存等一系列数据库调优设计处理,另外采用幅值恢复法,剔除电流基频操作,有效的建立故障的特征数据表。然后,利用BP神经网络智能算法,搭建本文的故障诊断系统,针对此模型易陷入极小值、迭代慢等问题,提出使用PSO粒子群算法进行优化,并通过matlab仿真验证其有效性。最后,基于Java语言实现后台程序,HTML等实现前端程序,并借助Jdbc、echart、easyui、ajax、拦截器、定时器、跨应用调用matlab等web技术实现了浏览器端B/S架构下的实时监测、诊断以及衍生的系统辅助功能。
基于web的电主轴在线监测与故障诊断系统研究
这是一篇关于故障诊断,工业互联网,在线监测,远程诊断,智能诊断的论文, 主要内容为机械设备故障在机械运行过程中不可避免的发生,设备出现故障首先不能完成既定的设备功能,还隐藏着巨大的危险,设备故障不能得到及时处理,可能引发火灾、爆炸等伤害性极大的生产安全事故,给人民的生命财产安全带来隐患,所以工业安全要求有效的监管,如何从技术上实现对设备运行工况的在线监测和远程诊断是一个具有现实研究意义的课题。传感器等检测仪器的发展为故障检测提供良好的非现场监测手段,同时,对监测数据采集和储存对实现故障类型分析和诊断决策提供有力的数据支撑。电主轴作为工业生产广泛应用的数控机床加工的核心部件之一,其工作性能直接关系到数控加工的运行。为保证电主轴在实际工况下正常运行和被加工产品的加工质量,针对电主轴运行状况的故障诊断系统研究显得异常重要。本文在物联网的大背景下,以实现工业互联网为基调,针对电主轴实时运行情况作为对象,展开了基于web的故障诊断系统的研究,实现了数据共享、机械设备分布式监测、数据集中处理的目的。首先,本文通过分析电主轴特性,选取能反映元件故障的特征信号,利用互感器等采集监测设备进行原始信号采集和处理,通过网络传输协议,将采集信号和信号对应所属监测编号统一传输到数据库进行储存和集中式管理,其次,为优化数据处理速度,本文设计实时数据表和历史数据表,以及对各监测点进行分表储存等一系列数据库调优设计处理,另外采用幅值恢复法,剔除电流基频操作,有效的建立故障的特征数据表。然后,利用BP神经网络智能算法,搭建本文的故障诊断系统,针对此模型易陷入极小值、迭代慢等问题,提出使用PSO粒子群算法进行优化,并通过matlab仿真验证其有效性。最后,基于Java语言实现后台程序,HTML等实现前端程序,并借助Jdbc、echart、easyui、ajax、拦截器、定时器、跨应用调用matlab等web技术实现了浏览器端B/S架构下的实时监测、诊断以及衍生的系统辅助功能。
基于状态监测的污染源智能诊断系统研究
这是一篇关于状态监测,智能诊断,污染源,模糊综合评判,隶属函数的论文, 主要内容为石油化工行业是我国国民经济的支柱产业,也是我国工业界的污染大户。同时,石化企业也是一种安全环保要求高的企业,生产过程存在多种易燃、易爆和有毒的物质,排放的污染物特征复杂,易对环境产生不良的影响。因此,对石化企业的生产过程进行污染源分析,并根据装置生产过程中的各种状态参数进行污染源智能诊断是十分有必要的,而且,这对于加强石化企业安全环保资源的有效管理,促进企业安全生产和持续、稳定地发展具有重要的意义。 本课题是以广州石化硫磺回收装置为例来建立一套基于状态监测的污染源智能诊断系统。本文首先对装置的工艺流程进行了分析,在工艺流程分析的基础上,对系统的污染源机理以及污染源种类的划分进行了归纳与总结。接着,根据系统污染源的特点,在对各种常用推理方法进行对比的基础之上,采用模糊综合评判的推理方法对系统污染源进行智能诊断,并重点就隶属函数、模糊矩阵、模糊算子以及推理学习算法的确定进行了深入研究,同时,本文还对系统的推理控制策略与推理解释策略进行了阐述。 另外,本文根据用户的实际需求,按照软件工程的一般要求,从系统的需求分析、系统分析、系统设计到系统实现逐步的阐述本系统的开发过程与实现方法。并采用基于JAVA语言的Struts技术和Hibernate技术以及SQL Server数据库技术,结合面向对象的思想,开发出了一套基于B/S模式的污染源智能诊断系统。同时对系统开发过程中所用到的相关平台和技术,如实时数据库PHD、Struts技术和Hibernate技术等进行了简要的介绍。接着,以一个运行实例说明了系统的诊断推理过程。 最后,对本文所做的研究工作进行了总结,并针对整个诊断系统的目前情况,对其将来的研究进行了展望,指出了需要进一步完善和改进的地方。
面向癫痫诊断的特征融合及协同决策方法
这是一篇关于癫痫,脑电图,特征融合,模糊系统,智能诊断的论文, 主要内容为癫痫是一种非传染性的慢性神经系统疾病,发作时的不可预测性给患者带来了生活的不便,且其并发症形式多样,严重时可能危及生命。基于脑电图(Electroencephalogram,EEG)进行癫痫诊断是该疾病最常用的临床诊断手段。但是,阅读脑电图主要依靠有经验的医生目视检查,费时费力。因此,研究辅助医生读图的癫痫自动诊断模型尤为重要。随着技术的发展,已经有许多癫痫诊断的模型出现,不过仍然存在着一些问题和挑战,一是原始EEG数据存在信息不完整和时空信息互相干扰的问题;二是癫痫发作的标记数据不足和样本不平衡问题;三是探究如何提取出全面性的有效特征;四是数据的异化性和分类设定的多样性问题。针对上述四个问题,本文提出了两种基于特征融合及协同决策的新方法,分别用于癫痫发作检测和癫痫发作亚型分类任务,并进一步开发了在线服务平台原型系统。本论文的主要工作包含如下三个方面:(1)针对原始数据的信息完整性及特征的鉴别力问题,本文提出了一个多尺度深度特征融合及多视角协同的癫痫检测算法。首先,从时域、频域、时频域提取三种浅层视角特征,并通过深度学习得到深度特征;然后,构建多尺度融合网络学习出多个全局融合视角特征,分别描述了一个一般化的全局融合视角和三个局部强化的全局融合视角;进一步地,在得到的三个深度视角和四个全局融合视角的基础上,训练了基于模糊规则的多视角TSK模糊系统。最终构建出具有高泛化性和可解释性的癫痫检测模型。将该模型应用于国际开源的波士顿儿童医院癫痫脑电数据集进行性能评估,在准确率、灵敏度和特异度三个测试性能上均表现优异。与其他的新颖方法相比,本文所提出的检测算法具有更好的整体性能。(2)针对特征的有效性、数据的异化性和分类设定的多样性问题,本文提出了一个自相关特征融合及模糊分类的亚型分类算法。该算法由深度特征处理、自相关融合和模糊分类三个部分构成。深度特征处理包括通道压缩、扩频等一系列操作。自相关融合的过程首先依靠多头注意力机制提取时域和频域信息的自相关性;然后,融合两种自相关特征构成时频自相关特征;最后,学习时频深度特征和时频自相关特征的多视角信息,得到时频融合特征。模糊分类由经典的TSK模糊系统作为基本模型实现。基于天普大学癫痫脑电数据集和华中科技大学儿童数据集,该分类算法在F1指标和准确率上均达到了不错的效果。同时给出了不同亚型划分的验证结果和解释。(3)基于上述两个算法,开发设计了一个智能癫痫诊断平台的原型系统。平台前端由Vue框架实现,后端基于Spring Boot和Flask框架,该平台服务于临床医生和患者,由管理员进行信息和权限监管。医生首先通过癫痫检测模型确认是否为癫痫发作并标记发作期,然后利用癫痫亚型自动分类模型明确患者的发作类别,便于医生更快更有效地掌握足够的病理信息并对症诊断。患者可以借助平台远程查询病情,并通过在线聊天功能便捷及时地和医生进行沟通,做到医患云端会面。该平台既提高了医生的诊断效率,又降低了患者的问诊成本,真正达到了医患信息共享,搭建出医患沟通新桥梁。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://m.bishedaima.com/lunwen/47682.html
