15000型矿用智能化水平定向钻机专家系统开发
这是一篇关于矿用水平定向钻机,专家系统,故障树分析法,故障诊断,一维卷积神经网络,健康状态评估的论文, 主要内容为本课题是山西省重点研发计划项目(202003D111008)“15000型矿用瓦斯抽放智能化定向千米钻机关键技术研究与应用”的子课题,它是针对矿用水平定向钻机故障诊断和健康状态评估智能化程度低、故障诊断不及时的问题而提出的。矿用水平定向钻机是瓦斯抽放实施过程中不可缺少的钻探设备,其正常运行是保障煤矿安全开采的前提。随着煤炭开采深度增加,矿用水平定向钻机的工作环境愈加恶劣,容易发生故障。而且现场缺乏科学的故障诊断和健康状态评估机制,一旦钻机发生故障,由于作业人员经验不足,难以快速准确定位故障,会造成企业经济上的损失,甚至威胁人员和设备的健康。因此,研究矿用水平定向钻机的故障诊断和健康状态评估方法具有重要的现实意义。尽管国内千米钻机已经实现了控制系统数字化,但是在钻机故障诊断和健康状态评估方面还是空白。课题以15000型矿用水平定向钻机为研究对象,基于钻机液压系统、电控系统、导向系统、孔内状态监测系统等系统提供的监测数据以及专家诊断钻机故障的知识,开发了15000型矿用智能化水平定向钻机专家系统,实现对钻机的数据监测、故障诊断和健康状态评估等功能。主要研究内容如下:针对作业人员难以快速准确诊断钻机故障的问题,采用故障树分析法(FTA)对钻机故障诊断模型进行研究。通过阅读大量文献,分析了钻机的常见故障类型,基于故障现象与故障原因之间的逻辑关系,建立了钻机液压系统和电控系统的故障树模型。以泵站故障作为实例,通过计算泵站故障现象最小割集事件的概率重要度,指导了作业人员快速定位故障,验证了FTA在钻机故障诊断中的有效性。针对作业人员无法评估钻机健康状态的问题,采用一维卷积神经网络(1D CNN)的方法对钻机关键部件的健康状态评估模型进行研究。使用AMESim仿真软件搭建了钻机液压系统仿真模型,解决历史数据的类别不平衡问题。基于钻机的历史数据和仿真数据,建立了基于1D CNN的健康状态评估模型,实现对钻机的健康状态评估。以液压马达作为实例,验证了1D CNN在钻机健康状态评估中的有效性,为钻机健康状态评估提供一种新方法。15000型矿用智能化水平定向钻机专家系统的设计与开发是实现钻机的数据监测、故障诊断和健康状态评估等功能的基础。基于FTA的钻机故障诊断方法和1D CNN的钻机健康状态评估方法,设计了15000型矿用智能化水平定向钻机专家系统的知识库、数据库、推理机、人机界面功能和解释器。在此基础上,使用SQL Server数据库管理系统建立了该专家系统的数据库。基于C#语言、MATALB软件和Visual Studio开发平台,开发了15000型矿用智能化水平定向钻机专家系统。该专家系统主要包括登录模块、数据监测模块、故障诊断和健康状态评估模块、知识库管理模块以及历史查询模块。对该专家系统的各模块功能进行了离线测试。测试结果表明,该专家系统实现了数据监测、故障诊断、健康状态评估、知识库管理、历史查询等功能,有助于作业人员掌握钻机状态,快速定位故障,解决故障,保障钻机安全稳定工作。
基于一维卷积神经网络的直升机飞行状态识别技术研究
这是一篇关于一维卷积神经网络,MSAT-Net,飞行状态识别,多尺度,自动阈值的论文, 主要内容为直升机处于不同飞行状态时,对其动部件和有寿件的损伤程度不同。因此准确识别直升机的飞行状态,对直升机关键部件的故障诊断和寿命预测至关重要。传统的飞行识别方法不仅需要对飞行状态进行预分类,而且识别准确率低。深度学习广泛用于解决各类复杂分类问题,给飞行状态识别领域提供了新的研究思路和研究方向。本文在一维卷积神经网络的基础上,提出了基于多尺度与自动阈值设置网络(Multi-scales and Auto-threshold Setting Network,MSAT-Net)的直升机飞行状态识别方法,取得了理想的识别效果。主要工作内容如下:(1)提出了直升机飞行参数预处理方法。首先,描述了用于飞行状态识别的飞行参数和待识别飞行状态;其次,介绍了飞行参数去噪方法,该方法使用样本分位数对飞行参数进行初步去噪,并采用限幅和均值滤波对飞行参数进行进一步去噪;最后,使用最小二乘法对飞行参数进行直线拟合,生成新的飞行参数,扩展飞行参数类型。(2)提出了基于MSAT-Net的直升机飞行状态识别方法。首先,构建用于网络训练、验证和测试的数据集;其次,针对直升机飞行状态识别率低和识别过程复杂的问题,提出一种基于MSAT-Net的识别模型。该模型包含多尺度特征提取模块,能够对信号进行不同粒度的采样,捕获不同尺度的特征,从而使模型提取的特征更具多样性。为进一步提高网络识别效果,设计了自动阈值设置模块,以调整目标特征的权重,从而增强更有价值的特征。最后,经实验表明,基于MSAT-Net的网络模型取得了99.47%的平均识别精度,其中,超过三分之一的飞行状态识别率达到了100%。与飞行状态识别领域的其他经典方法进行对比,本文方法也明显更优。(3)设计了直升机飞行状态识别系统。首先,对直升机飞行状态识别系统进行了需求分析;其次,对识别系统进行总体设计,包括系统配置、软件架构设计和数据存储设计;再次,设计并实现了实验管理、数据预处理、状态识别、识别历史这四个功能模块;最后,在四个功能模块调试的基础上,实现了系统测试,验证了识别系统的有效性、可行性和稳定性。
基于一维卷积神经网络的直升机飞行状态识别技术研究
这是一篇关于一维卷积神经网络,MSAT-Net,飞行状态识别,多尺度,自动阈值的论文, 主要内容为直升机处于不同飞行状态时,对其动部件和有寿件的损伤程度不同。因此准确识别直升机的飞行状态,对直升机关键部件的故障诊断和寿命预测至关重要。传统的飞行识别方法不仅需要对飞行状态进行预分类,而且识别准确率低。深度学习广泛用于解决各类复杂分类问题,给飞行状态识别领域提供了新的研究思路和研究方向。本文在一维卷积神经网络的基础上,提出了基于多尺度与自动阈值设置网络(Multi-scales and Auto-threshold Setting Network,MSAT-Net)的直升机飞行状态识别方法,取得了理想的识别效果。主要工作内容如下:(1)提出了直升机飞行参数预处理方法。首先,描述了用于飞行状态识别的飞行参数和待识别飞行状态;其次,介绍了飞行参数去噪方法,该方法使用样本分位数对飞行参数进行初步去噪,并采用限幅和均值滤波对飞行参数进行进一步去噪;最后,使用最小二乘法对飞行参数进行直线拟合,生成新的飞行参数,扩展飞行参数类型。(2)提出了基于MSAT-Net的直升机飞行状态识别方法。首先,构建用于网络训练、验证和测试的数据集;其次,针对直升机飞行状态识别率低和识别过程复杂的问题,提出一种基于MSAT-Net的识别模型。该模型包含多尺度特征提取模块,能够对信号进行不同粒度的采样,捕获不同尺度的特征,从而使模型提取的特征更具多样性。为进一步提高网络识别效果,设计了自动阈值设置模块,以调整目标特征的权重,从而增强更有价值的特征。最后,经实验表明,基于MSAT-Net的网络模型取得了99.47%的平均识别精度,其中,超过三分之一的飞行状态识别率达到了100%。与飞行状态识别领域的其他经典方法进行对比,本文方法也明显更优。(3)设计了直升机飞行状态识别系统。首先,对直升机飞行状态识别系统进行了需求分析;其次,对识别系统进行总体设计,包括系统配置、软件架构设计和数据存储设计;再次,设计并实现了实验管理、数据预处理、状态识别、识别历史这四个功能模块;最后,在四个功能模块调试的基础上,实现了系统测试,验证了识别系统的有效性、可行性和稳定性。
基于一维卷积神经网络的直升机飞行状态识别技术研究
这是一篇关于一维卷积神经网络,MSAT-Net,飞行状态识别,多尺度,自动阈值的论文, 主要内容为直升机处于不同飞行状态时,对其动部件和有寿件的损伤程度不同。因此准确识别直升机的飞行状态,对直升机关键部件的故障诊断和寿命预测至关重要。传统的飞行识别方法不仅需要对飞行状态进行预分类,而且识别准确率低。深度学习广泛用于解决各类复杂分类问题,给飞行状态识别领域提供了新的研究思路和研究方向。本文在一维卷积神经网络的基础上,提出了基于多尺度与自动阈值设置网络(Multi-scales and Auto-threshold Setting Network,MSAT-Net)的直升机飞行状态识别方法,取得了理想的识别效果。主要工作内容如下:(1)提出了直升机飞行参数预处理方法。首先,描述了用于飞行状态识别的飞行参数和待识别飞行状态;其次,介绍了飞行参数去噪方法,该方法使用样本分位数对飞行参数进行初步去噪,并采用限幅和均值滤波对飞行参数进行进一步去噪;最后,使用最小二乘法对飞行参数进行直线拟合,生成新的飞行参数,扩展飞行参数类型。(2)提出了基于MSAT-Net的直升机飞行状态识别方法。首先,构建用于网络训练、验证和测试的数据集;其次,针对直升机飞行状态识别率低和识别过程复杂的问题,提出一种基于MSAT-Net的识别模型。该模型包含多尺度特征提取模块,能够对信号进行不同粒度的采样,捕获不同尺度的特征,从而使模型提取的特征更具多样性。为进一步提高网络识别效果,设计了自动阈值设置模块,以调整目标特征的权重,从而增强更有价值的特征。最后,经实验表明,基于MSAT-Net的网络模型取得了99.47%的平均识别精度,其中,超过三分之一的飞行状态识别率达到了100%。与飞行状态识别领域的其他经典方法进行对比,本文方法也明显更优。(3)设计了直升机飞行状态识别系统。首先,对直升机飞行状态识别系统进行了需求分析;其次,对识别系统进行总体设计,包括系统配置、软件架构设计和数据存储设计;再次,设计并实现了实验管理、数据预处理、状态识别、识别历史这四个功能模块;最后,在四个功能模块调试的基础上,实现了系统测试,验证了识别系统的有效性、可行性和稳定性。
基于一维卷积神经网络的住宅类二手房价格评估研究
这是一篇关于住宅二手房评估,一维卷积神经网络,市场比较法,高维聚类分析算法的论文, 主要内容为进入21世纪后,中国的二手房市场得到了飞速发展,在一二线城市中,二手房的成交量已远远超出了新房的水平,并且出现了更多的以住宅为主的二手房交易。与此同时,在二手房市场的交易过程中,因为买方和卖方的需求存在差异,他们对二手房价格的预期也存在差异,所以很难对二手房市场的交易价格做出最终的决定,因此,对二手房价格的评估就受到了很大的关注。所以,如何合理、有效地去进行二手房价格的评估,对缩短二手房市场的交易周期,改善二手房市场的资源配置,保障居民的居住需要,推动社会经济水平的健康稳定发展有着重要的意义。经过对二手房评估过程中常用的三种方法的分析,结果表明,在对二手房进行评估时,经常使用的是市场比较法,而在评估实践中,市场比较法存在着一些问题,如:根据自己的主观经验选择可比交易案例,通过人工设定特征的权重,从而造成了一些主观性较强的问题。因此本文提出了一种基于高维聚类分析算法来选择可比实例并基于搭建的一维卷积神经网络来确定特征权重的住宅类二手房价格评估模型,并且对重庆主城区二手房价格进行评估验证,以此来验证模型的可行性及有效性。首先用房产数据训练集对CNN＿Res Net模型进行训练,接着使用测试集进行实验评估,同时使用传统市场法进行评估验证,比较实验结果如下:第一,模型评估结果更精确。使用本文模型所评估出的二手房价格和实际价格的平均误差百分比仅有1.596%,经过比较验证,其评估精度比市场比较法评估高21.867个百分点,以此可说明,模型评估是可行的,并且评估精度优于传统评估。第二,模型评估效率更高。运用本文模型进行房地产评估,不仅节省了大量的人力和物力,而且避免了人为失误,提高了估价的效率。第三,利用高维聚类分析法及CNN＿Res Net模型,从根本上解决了目前市场比较法在应用中存在的人为去确定可比样本的选取及设定特征权重的两个关键问题,极大地降低了人为主观影响,提高了评估的客观性和公平性。研究结论:采用CNN＿Res Net方法进行二手住房价格评估,不仅切实可行,还具有很强的实际应用价值。
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：毕设驿站 ，原文地址：https://m.bishedaima.com/lunwen/54475.html
