基于微服务的电机测试测量系统的设计与实现
这是一篇关于微服务,电机测试,LSTM-BP,温度预测的论文, 主要内容为电机作为一种能量转换设备,在我国工业化进程中起着不可替代的作用,在工业生产中,电机的性能和质量影响着企业的生产效率和经济效益,因此在电机投入使用前,对电机性能和质量的测试尤为重要。传统的电机测试系统存在测试手段单一、测试量少、数据批量化采集不方便、数据分散等问题。为此,本文基于微服务设计并实现了电机测试测量系统,主要研究内容如下:在电机测试方面,本文利用EMQX消息服务器和微服务架构,搭建了一个电机设备接入通道,实现了电机设备的批量接入和数据采集的实时监控与处理,提高了电机数据的采集效率。在测试电机时,将测试项目定义为试验项,将试验项的测试方式和评判标准定义为配置方案,一个试验由多个试验项组成,每个试验项对应不同的配置方案,用户可以自定义试验项和配置方案,实现它们之间的自由组合,同时对试验数据进行保存、分析和可视化展示,解决了传统电机测试系统并发量少、数据采集效率低、测试功能单一和数据可视化分析不方便等问题。在算法方面,本文设计了一种基于LSTM和BP组合模型的电机温度预测算法,首先利用长短期记忆循环网络(LSTM)和误差反向传播神经网络(BP)分别对电机温度进行预测,接着使用粒子群算法求解两种模型的权值系数,从而得到最终的LSTM-BP组合模型,最后通过实验将组合模型与单一模型对比。结果表明,改进的算法较LSTM、BP对电机温度的预测效果更好,提高了预测精度。在系统的设计和实现方面,本文基于微服务架构,采用前后端分离的开发模式,前端采用Vue框架和Element UI组件库,后端使用Java语言和Spring Cloud框架,将系统业务拆分成试验管理、系统管理、电机管理、数据管理和报警管理五个微服务进行设计与实现,并对系统进行功能和非功能性的测试。结果表明,系统满足了电机批量化接入和定制化测试等要求,极大的提高了电机的测试效率,为电机测试的持续发展提供良好的系统保障和坚实的技术基础。
自燃煤矸石山温度监测系统的设计与实现
这是一篇关于煤矸石山,自燃,温度监测,温度预测,神经网络的论文, 主要内容为自燃是煤矸石山治理的一大难题,而煤矸石山发生自燃往往是因为没有及时预测到内部温度的变化趋势,无法及时做出应对措施。因此对煤矸石山进行实时温度监测并及时预测对煤矸石山治理至关重要。传统的煤矸石山人工巡检测温方法存在监测方式单一、效率低下和无法实时监测等缺点;现有对煤矸石山内部温度的预测,一般是基于一定的线性规律对温度进行预测,以实现预警,但煤矸石山内部温度更多时候是非线性变化,因此会造成温度预测精度不高的问题。针对以上问题,本文设计了一种自燃煤矸石山温度监测系统,采用无人机热红外遥感监测和无线温度监测技术分别对矸石山表面和内部温度全面监测,利用构建的GA-BP神经网络模型对煤矸石山内部温度进行预测。本文的主要工作如下:(1)自燃煤矸石山温度预测模型构建。根据煤矸石山内部温度非线性特点,本文选用BP神经网络和遗传算法构建预测模型。选取具有代表性的煤矸石山内部温度数据作为研究对象,并对其进行预处理;利用预处理后的温度数据,对BP神经网络和遗传算法优化后的BP神经网络分别进行温度预测仿真;对两种模型的误差结果进行对比分析,得出GA-BP神经网络构建的温度预测模型具有更高的预测精度。(2)自燃煤矸石山温度监测系统设计与实现。首先对系统总体进行设计,分别是系统的总体需求分析、系统总体框架设计和系统功能模块设计,然后对数据库进行设计并对系统涉及硬件进行选型,最后对系统的可视化界面进行实现。(3)自燃煤矸石山温度监测系统应用。利用无人机热红外遥感技术对现场矸石山进行表面温度监测,将周期性获取的表面温度分布图在系统上可视化展示,辅助管理人员决策分析;针对无线温度监测系统布置和监测节点布置方案进行设计;将该系统进行现场矸石山试验,系统正常运行,验证了系统的可靠性。
基于微服务的电机测试测量系统的设计与实现
这是一篇关于微服务,电机测试,LSTM-BP,温度预测的论文, 主要内容为电机作为一种能量转换设备,在我国工业化进程中起着不可替代的作用,在工业生产中,电机的性能和质量影响着企业的生产效率和经济效益,因此在电机投入使用前,对电机性能和质量的测试尤为重要。传统的电机测试系统存在测试手段单一、测试量少、数据批量化采集不方便、数据分散等问题。为此,本文基于微服务设计并实现了电机测试测量系统,主要研究内容如下:在电机测试方面,本文利用EMQX消息服务器和微服务架构,搭建了一个电机设备接入通道,实现了电机设备的批量接入和数据采集的实时监控与处理,提高了电机数据的采集效率。在测试电机时,将测试项目定义为试验项,将试验项的测试方式和评判标准定义为配置方案,一个试验由多个试验项组成,每个试验项对应不同的配置方案,用户可以自定义试验项和配置方案,实现它们之间的自由组合,同时对试验数据进行保存、分析和可视化展示,解决了传统电机测试系统并发量少、数据采集效率低、测试功能单一和数据可视化分析不方便等问题。在算法方面,本文设计了一种基于LSTM和BP组合模型的电机温度预测算法,首先利用长短期记忆循环网络(LSTM)和误差反向传播神经网络(BP)分别对电机温度进行预测,接着使用粒子群算法求解两种模型的权值系数,从而得到最终的LSTM-BP组合模型,最后通过实验将组合模型与单一模型对比。结果表明,改进的算法较LSTM、BP对电机温度的预测效果更好,提高了预测精度。在系统的设计和实现方面,本文基于微服务架构,采用前后端分离的开发模式,前端采用Vue框架和Element UI组件库,后端使用Java语言和Spring Cloud框架,将系统业务拆分成试验管理、系统管理、电机管理、数据管理和报警管理五个微服务进行设计与实现,并对系统进行功能和非功能性的测试。结果表明,系统满足了电机批量化接入和定制化测试等要求,极大的提高了电机的测试效率,为电机测试的持续发展提供良好的系统保障和坚实的技术基础。
自燃煤矸石山温度监测系统的设计与实现
这是一篇关于煤矸石山,自燃,温度监测,温度预测,神经网络的论文, 主要内容为自燃是煤矸石山治理的一大难题,而煤矸石山发生自燃往往是因为没有及时预测到内部温度的变化趋势,无法及时做出应对措施。因此对煤矸石山进行实时温度监测并及时预测对煤矸石山治理至关重要。传统的煤矸石山人工巡检测温方法存在监测方式单一、效率低下和无法实时监测等缺点;现有对煤矸石山内部温度的预测,一般是基于一定的线性规律对温度进行预测,以实现预警,但煤矸石山内部温度更多时候是非线性变化,因此会造成温度预测精度不高的问题。针对以上问题,本文设计了一种自燃煤矸石山温度监测系统,采用无人机热红外遥感监测和无线温度监测技术分别对矸石山表面和内部温度全面监测,利用构建的GA-BP神经网络模型对煤矸石山内部温度进行预测。本文的主要工作如下:(1)自燃煤矸石山温度预测模型构建。根据煤矸石山内部温度非线性特点,本文选用BP神经网络和遗传算法构建预测模型。选取具有代表性的煤矸石山内部温度数据作为研究对象,并对其进行预处理;利用预处理后的温度数据,对BP神经网络和遗传算法优化后的BP神经网络分别进行温度预测仿真;对两种模型的误差结果进行对比分析,得出GA-BP神经网络构建的温度预测模型具有更高的预测精度。(2)自燃煤矸石山温度监测系统设计与实现。首先对系统总体进行设计,分别是系统的总体需求分析、系统总体框架设计和系统功能模块设计,然后对数据库进行设计并对系统涉及硬件进行选型,最后对系统的可视化界面进行实现。(3)自燃煤矸石山温度监测系统应用。利用无人机热红外遥感技术对现场矸石山进行表面温度监测,将周期性获取的表面温度分布图在系统上可视化展示,辅助管理人员决策分析;针对无线温度监测系统布置和监测节点布置方案进行设计;将该系统进行现场矸石山试验,系统正常运行,验证了系统的可靠性。
基于微服务的电机测试测量系统的设计与实现
这是一篇关于微服务,电机测试,LSTM-BP,温度预测的论文, 主要内容为电机作为一种能量转换设备,在我国工业化进程中起着不可替代的作用,在工业生产中,电机的性能和质量影响着企业的生产效率和经济效益,因此在电机投入使用前,对电机性能和质量的测试尤为重要。传统的电机测试系统存在测试手段单一、测试量少、数据批量化采集不方便、数据分散等问题。为此,本文基于微服务设计并实现了电机测试测量系统,主要研究内容如下:在电机测试方面,本文利用EMQX消息服务器和微服务架构,搭建了一个电机设备接入通道,实现了电机设备的批量接入和数据采集的实时监控与处理,提高了电机数据的采集效率。在测试电机时,将测试项目定义为试验项,将试验项的测试方式和评判标准定义为配置方案,一个试验由多个试验项组成,每个试验项对应不同的配置方案,用户可以自定义试验项和配置方案,实现它们之间的自由组合,同时对试验数据进行保存、分析和可视化展示,解决了传统电机测试系统并发量少、数据采集效率低、测试功能单一和数据可视化分析不方便等问题。在算法方面,本文设计了一种基于LSTM和BP组合模型的电机温度预测算法,首先利用长短期记忆循环网络(LSTM)和误差反向传播神经网络(BP)分别对电机温度进行预测,接着使用粒子群算法求解两种模型的权值系数,从而得到最终的LSTM-BP组合模型,最后通过实验将组合模型与单一模型对比。结果表明,改进的算法较LSTM、BP对电机温度的预测效果更好,提高了预测精度。在系统的设计和实现方面,本文基于微服务架构,采用前后端分离的开发模式,前端采用Vue框架和Element UI组件库,后端使用Java语言和Spring Cloud框架,将系统业务拆分成试验管理、系统管理、电机管理、数据管理和报警管理五个微服务进行设计与实现,并对系统进行功能和非功能性的测试。结果表明,系统满足了电机批量化接入和定制化测试等要求,极大的提高了电机的测试效率,为电机测试的持续发展提供良好的系统保障和坚实的技术基础。
干式变压器远程在线监控系统的研究
这是一篇关于干式变压器,监控终端,云服务器,温度预测,远程监控的论文, 主要内容为干式变压器具有良好的防火防爆性能,既能应用于商业中心、居民小区等公共场所,又能满足工业的供电需求,因此其供电可靠性要求较高,但目前变压器行业对干式变压器的监控大多采用温控器,采集信息单一且仅能完成用电客户的监控需求,基于以上背景,本文提出了一种干式变压器监控系统,将云服务器应用其中,致力于实现对干式变压器远程多台的实时监控。其主要研究内容如下:首先,分析了系统下位机需求,选定监控数据为绕组温度、三相电参量,以PIC单片机为主控芯片进行硬件电路设计,并通过下位机软件程序实现数据的实时采集、显示、控制风机、声光报警、保护跳闸等功能;无线通信模块选用有人公司开发的结合了 GPRS与GPS技术的USR-GPRS232-7S3模块,通过AT指令与该公司提供的云服务器建立连接,实现数据的远程传输。其次,采用改进的SVR与RBF相结合的算法对干式变压器绕组温度进行预测,该算法通过一种改变权重的自适应粒子群算法(DAPSO)动态更新粒子的速度与位置,并引入反向预测因子对SVR进行寻优,然后将改进的SVR算法作为RBF模型的初始结构进行温度预测。采用VS2012 C++建立工程,以绕组负载电压、电流、有功损耗、环境温度及前一时刻的绕组温度值作为影响因素,分别建立PSORBF与DAPSOSVR改进的RBF算法模型进行预测对比,通过实例证明改进的RBF算法应用于干变温度预测的结果更加精确。最后,选用C#作为远程监控界面开发软件,建立B/S架构完成动态Web网页的开发,通过调用有人公司提供的DLL(动态链接库)指令进行数据的远程传输、显示、存储、查询等程序的设计,实现远程监控功能;完成监控终端的样机调试,对变压器进行空载实验,通过对实验数据的分析证明监控终端数据采集精度达到国家标准。本监控系统将干式变压器的监控终端与云服务器结合在一起,使得工作人员无需进入现场就可以了解变压器的运行状态,方便了对设备大规模的统一化管理,并且有利于提前预判故障并采取措施,最大程度减少损失,对企业实现无人值守、工业自动化具有重要意义。
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：源码工厂 ，原文地址：https://m.bishedaima.com/lunwen/52541.html
