导读:本文包含了运行状态识别论文开题报告文献综述及选题提纲参考文献，主要关键词:多尺度排列熵,概率神经网络,有载分接开关,状态识别
运行状态识别论文文献综述
邢伟[1]（2019）在《基于MPE-PNN的35kV变压器有载分接开关运行状态识别》一文中研究指出有载分接开关(on-load tap-changer,OLTC)因频繁切换操作而容易发生故障,其运行过程产生的振动信号呈现出明显非线性特征,但现有OLTC运行特征量提取方法大多基于线性理论,存在一定局限性。为实现35kV变压器有载分接开关运行状态准确识别,提出基于多尺度排列熵和概率神经网络的识别方法。首先,采集OLTC不同运行状态下的振动信号,继而利用多尺度排列熵提取OLTC的状态特征,并建立概率神经网络状态识别模型,最后利用工程数据来验证所提模型的有效性。分析结果表明,所述方法能有效提取OLTC状态特征,准确识别其工况状态。(本文来源于《电气开关》期刊2019年05期）
赵嶷飞,杨明泽[2]（2019）在《基于运行状态识别的无人机航迹预测》一文中研究指出无人机航迹预测对于无人机冲突检测、任务规划及异常管控至关重要。在很多情况下难以为无人机这种复杂系统建立精确的物理模型,给基于模型的滤波方法带来一定难度。为解决上述问题,提出一种基于运行状态识别的无人机高斯过程-无味卡尔曼滤波的混合估计方法。首先,利用运行状态识别机制将无人机运行数据分为不同数据段,以确定无人机实时状态并提高预测模型的适应性;然后,根据不同的运行状态,从航迹数据中学习高斯过程递归模型,将其作为无味卡尔曼滤波器的状态转移方程,以实现更高的预测精度;最后,利用动作捕捉系统采集的真实无人机运行数据验证了所提出方法的有效性,利用均方误差检验了方法的精确度。(本文来源于《科学技术与工程》期刊2019年23期）
张帆,刘德顺,戴巨川,王超,沈祥兵[3]（2019）在《一种基于SCADA参数关系的风电机组运行状态识别方法》一文中研究指出提出一种基于SCADA参数关系的风电机组运行状态识别方法。首先,从风电机组运行特性出发,深入分析风电机组运行状态SCADA数据输入/输出参数关系;基于时间的滑动窗口模型,采用多项式回归拟合方法,构建风电机组运行状态输入/输出参数关系数学模型;然后,基于风电机组正常运行输入/输出参数关系数学模型,提出描述各个时刻风电机组运行状态异常程度的指标计算公式;对风电机组正常运行阶段的状态指标进行统计分析,获取其分布函数规律;最后,根据小概率事件假设,确定识别风电机组运行状态出现异常的阈值,据此对风电机组运行状态出现异常进行预警。以同风场同型号两台2 MW直驱式风电机组SCADA数据为例进行分析,结果表明:①基于SCADA数据的风电机组运行状态识别方法,可以实现对风电机组运行的异常状态识别和早期预警,该方法的特点是状态识别完全基于正常运行SCADA数据分析而无需异常运行SCADA数据进行挖掘训练和相关物理机制与故障模式方面的先验知识;②基于风电机组SCADA数据的运行状态识别方法,依据风电机组及其部件的运行状态输入/输出参数关系的层次结构,可以获得发生异常状态的相关部件信息,这对风电机组运行状态预警和维护决策具有重要意义。(本文来源于《机械工程学报》期刊2019年04期）
王超超,张建义[4]（2019）在《基于神经网络的高速离心泵简单运行状态的识别》一文中研究指出高速泵状态监测是对高速泵运行状态评估的重要手段。首先对高速泵进行了不同状态下的试验,采集到各个状态的外特性信号以及振动信号,然后对信号进行处理,分别基于外特性信号和振动信号构建特征向量,最后利用BP神经网络对高速泵的3种不用的运行状态进行识别评估。研究表明,可以使用简单的神经网络对高速泵运行状态进行学习和识别工作;外特性信号和振动信号都能较好的反应高速泵的运行状态;对于正常工作下的高速泵运行情况有一个较好的识别效果;联合利用两种信号对高速泵运行状态进行识别,在识别率上有了显着的提高。(本文来源于《工业控制计算机》期刊2019年01期）
赵悦,方彦军,董政呈[5]（2019）在《基于状态识别的经验模态分解法火电厂运行数据预处理》一文中研究指出针对火电机组运行监测数据量大且复杂情况下的去噪问题,提出一种基于状态识别的改进经验模态分解去噪(SREMD)算法。该算法以经验模态分解(EMD)方法为基础,首先运用基于拉伊达(Pauta)准则的滤波方法去除显着异常数据,然后根据数据连续变化率动态识别机组运行状态,最后根据机组运行状态的稳态过程和过渡过程分别进行针对性EMD去噪,以适应火电机组的状态切换特性。将该算法用于实际机组运行数据,结果表明,本文算法有效完成了火电机组监测数据的去噪预处理,在保持信号整体趋势的基础上能达到更好的去噪效果。(本文来源于《热力发电》期刊2019年01期）
瞿家明,周易文,王恒,黄希[6]（2018）在《基于Dirichlet过程混合模型的滚动轴承运行状态识别》一文中研究指出针对滚动轴承的运行状态识别问题,利用典型DP混合模型良好的聚类特性,提出了基于DPMM的滚动轴承运行状态识别算法,并推导了算法聚类的详细步骤。利用轴承状态监测数据进行了验证和分析,结果表明:DPMM算法不依赖于训练样本,模型结构能够随着观测数据的变化实现自适应变化和动态调整,自动识别轴承的运行状态数;同时,识别结果不依赖于DPMM算法初始参数的选择,具有较强的稳定性和适应性。(本文来源于《轴承》期刊2018年09期）
王亚群[7]（2018）在《基于车牌识别数据的城市路网运行状态识别方法实践》一文中研究指出采用城市车牌识别数据进行路网运行状态观测和分析,设计了基于车牌识别数据的交通卡口聚类算法、车辆轨迹还原算法及速度分类树算法,建立了路网运行状态识别模型,结合乌鲁木齐的城市交通路网形态和车辆构成特征,通过与出租车GPS统计数据的对比和融合分析,研究了乌鲁木齐市的交通出行特征、路网运行速度与流量变化规律,以及路网运行与常发拥堵路段的关系,提出了一种利用车牌识别数据进行城市路网运行状态识别的方法。(本文来源于《交通与运输(学术版)》期刊2018年01期）
刘炀[8]（2018）在《基于网格模型的城市交通运行状态识别和行程时间预测方法研究》一文中研究指出随着机动车辆的迅猛增长,特大城市的交通问题日趋严重,城市路网中事件多发、通行状态多变。能够快速、准确的对大城市路网中的交通状态识别和分析有着极为重要的意义。与此同时,随着大数据技术的飞速发展,海量轨迹数据的采集、传输、分析的技术逐步成熟,这也就使得我们能够通过对道路中海量浮动车的轨迹数据进行挖掘,及时发现路网中出现的问题,进一步提高路网的运行效率,也能够帮助路网中的参与者更高效、更安全的完成出行。在应用浮动车轨迹提取道路网中的交通参数的传统方法中,需要将轨迹数据与地理信息系统中的道路网络的矢量数据进行匹配,即通过匹配在道路上的车辆的位置和速度来完成路段交通运行参数的计算,因此在计算过程中,浮动车轨迹数据与GIS矢量地图缺一不可。而实际情况中存在GIS地图更新不及时和轨迹匹配计算量大两方面问题,因此此次研究提出一种方法,不以道路矢量地图为基础,仅通过浮动车轨迹数据实现城市交通运行状态判别、拥堵识别以及行程时间预测。即将研究区域划分为均匀网格,通过对海量浮动车轨迹数据进行处理提取网格的交通特征,将网格作为研究一定区域内交通问题的载体。因此本论文首先对浮动车轨迹数据进行预处理,然后构建网格模型对区域宏观交通运行状态进行判别;在此基础上,进一步深化网格模型,通过浮动车经过网格边界的轨迹数据,提取了网格的静态特征和动态特征,并以网格的特征数据针对拥堵识别和行程时间预测进行了深入研究,最终本论文的主要研究内容为以下五个方面。(1)通过对海量浮动车原始数据进行描述性分析,对原始浮动车轨迹中存在的质量问题归纳总结,建立了浮动车轨迹数据的预处理流程,并按照流程对2012年11月北京市浮动车的海量数据进行了校准和清洗,清洗结果能够较好的满足后续的研究需求。(2)构建网格模型,将浮动车轨迹数据与划分为网格的研究区域进行匹配,提取网格交通运行指数,通过数据挖掘,对网格模型下的城市交通运行状态判别方法进行了研究,通过对网格进行密度聚类,按照聚类结果,将大城市拥堵区域的类型从空间范围上划分为“点——线——面”叁个层级。(3)完善网格模型,对经过网格的轨迹数据进行解析、统计、聚类处理,提取轨迹经过网格的进出位置节点以及连通进出点组成的节点构成网格静态特征,提取轨迹从进入网格到离开网格的转移花费时间构成网格的动态特征,进一步将时间维度引入模型,统计分析网格内行程时间的时序变化数据,根据网格内节点对行程时间的历史数据,识别常发拥堵的节点对;结合实时行程时间数据,识别偶发拥堵事件。(4)深化网格模型,提出网格模型行程时间预测方法,以网格内历史行程时间和实时行程时间两类数据相结合作为准备数据,将多元线性回归和KNN非参数回归结合作为预测方法,对网格内节点对行程时间进行预测。通过对海量浮动车轨迹数据进行挖掘,提取两网格之间的多条轨迹,对网格模型节点对形式下的轨迹进行统计处理,提取出其中的有效路径,将路径提取方法和节点对行程时间预测方法相结合,给出针对给定OD两点,进行行程时间预测的方法。(5)应用网格模型,结合.NETFramework技术和ArcgisEngine技术,建立了基于浮动车轨迹数据的行程时间预测系统,系统针对研究区域,依照网格模型的构建方法,生成区域内网格化地图,结合导入的浮动车的轨迹数据,实现历史数据下的常、偶发拥堵的识别以及实时数据流下的偶发拥堵事件识别功能;实现网格模型下OD之间的路径提取以及当前交通状态下的路径行程时间预测功能;最终针对上述功能,应用Arcgis Engine的二次开发组件和动态链接库,实现可视化展示。(本文来源于《北京交通大学》期刊2018-05-30）
李亚光[9]（2018）在《运行状态下动车组构架传声载荷识别及振动传递分析》一文中研究指出高速动车组近几年在我国得到大规模运用。列车运行速度提高后,严重的振动噪声问题也随之而来。动车组的振动与噪声对司乘人员的健康与乘客的乘坐舒适性都有一定的影响。轮轨滚动引起的振动通过车辆悬挂系统向上层结构传递形成的振动辐射声仍是高速列车车内噪声重要组成部分。转向架系统是轮轨与车体之间固体传播振动的唯一路径,构架又是转向架系统中承上启下的重要组成部分。运行状态下动车组构架传声载荷识别及振动传递分析对研究高速列车振动噪声问题具有重要意义。传递路径分析(TPA-Transfer Path Analysis)在实际应用中存在多种方法,其中传统TPA方法是目前公认的精度较高的方法,其他传递路径分析方法都是在传统TPA方法基础上发展而来的。但是传统TPA方法存在试验测试工作量大,建模时间长等缺点。为了减少试验测试工作量,本文尝试将试验测试与仿真计算相结合来进行运行状态下动车组转向架构架传声载荷识别及振动传递分析。本文以国内某型时速350公里动车组非动力转向架构架为研究对象,从理论、仿真和试验叁个方面对运行状态下动车组构架传声载荷识别及振动传递分析进行了研究。该方法是在传统TPA方法基础上演化而来,首先通过有限元仿真计算获取构架系统的模态参数与频率响应函数;其次使用有限数量的试验测试数据,采用模态迭加法求解构架振动响应;最后借鉴传统TPA方法中的逆矩阵法对构架上的载荷进行识别,并计算载荷力功率。从载荷力功率交换的角度对构架振动传递特性进行分析。研究成果为分析车内噪声来源,研究振动传递路径,指导新型转向架设计及对现有转向架结构改进具有重要参考意义。主要工作和结论如下:(1)本文首先对传递路径分析方法进行了简单介绍,并总结了其研究现状。其次对于传统TPA方法中的载荷识别进行了的阐述。传统TPA方法精度较高但是试验测试工作量大,本文提出一种将试验测试与仿真计算相结合用于构架振动传递特性分析的方法,并对该方法的理论进行了研究,介绍了试验流程以及构架有限元模型的建立与分析。将该方法计算出的构架振动响应与测试结果进行比对验证该方法求解构架振动响应的有效性。(2)以国内某高速动车组为例,首先开展动车组振动噪声试验,获取振动噪声试验数据;其次建立非动力转向架构架有限元模型,利用有限元软件ANSYS对其进行模态分析和谐响应分析,获取了构架的模态参数与频率响应函数;再次采用模态迭加法计算出构架的振动响应;最后采用逆矩阵法对构架上的载荷进行了识别,并计算出载荷力功率。(3)从载荷力功率交换的角度对动车组转向架构架振动传递特性进行了分析。在50~800Hz频段内,一系悬挂和轴箱转臂与构架的连接点中载荷力功率交换较大的是一系轴箱弹簧座节点和一系垂向减振器座节点;构架与车体之间各连接件与构架的连接点中载荷力功率交换较大的是抗侧滚扭杆座节点、二系垂向减振器座节点和牵引拉杆座节点。(本文来源于《西南交通大学》期刊2018-05-01）
王贵成,徐烨,杨佳淼,张春明[10]（2017）在《聚类综合算法对于谷氨酸发酵过程运行状态的识别》一文中研究指出谷氨酸发酵过程中产品质量波动比较大,故障和误操作在早期不易被发现,结果易造成原料浪费与设备空转。针对谷氨酸发酵过程的实际生产情况,采取工况划分和工况识别的数据分析方法,获取不同的生产运行状态集合。同时,在完成工况划分后,对划分的故障状态进行识别,进而判断出引起生产故障的原因。通过仿真研究,验证了方法在运行状态识别方面的可行性。(本文来源于《应用技术学报》期刊2017年04期）
运行状态识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
无人机航迹预测对于无人机冲突检测、任务规划及异常管控至关重要。在很多情况下难以为无人机这种复杂系统建立精确的物理模型,给基于模型的滤波方法带来一定难度。为解决上述问题,提出一种基于运行状态识别的无人机高斯过程-无味卡尔曼滤波的混合估计方法。首先,利用运行状态识别机制将无人机运行数据分为不同数据段,以确定无人机实时状态并提高预测模型的适应性;然后,根据不同的运行状态,从航迹数据中学习高斯过程递归模型,将其作为无味卡尔曼滤波器的状态转移方程,以实现更高的预测精度;最后,利用动作捕捉系统采集的真实无人机运行数据验证了所提出方法的有效性,利用均方误差检验了方法的精确度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
运行状态识别论文参考文献
[1].邢伟.基于MPE-PNN的35kV变压器有载分接开关运行状态识别[J].电气开关.2019
[2].赵嶷飞,杨明泽.基于运行状态识别的无人机航迹预测[J].科学技术与工程.2019
[3].张帆,刘德顺,戴巨川,王超,沈祥兵.一种基于SCADA参数关系的风电机组运行状态识别方法[J].机械工程学报.2019
[4].王超超,张建义.基于神经网络的高速离心泵简单运行状态的识别[J].工业控制计算机.2019
[5].赵悦,方彦军,董政呈.基于状态识别的经验模态分解法火电厂运行数据预处理[J].热力发电.2019
[6].瞿家明,周易文,王恒,黄希.基于Dirichlet过程混合模型的滚动轴承运行状态识别[J].轴承.2018
[7].王亚群.基于车牌识别数据的城市路网运行状态识别方法实践[J].交通与运输(学术版).2018
[8].刘炀.基于网格模型的城市交通运行状态识别和行程时间预测方法研究[D].北京交通大学.2018
[9].李亚光.运行状态下动车组构架传声载荷识别及振动传递分析[D].西南交通大学.2018
[10].王贵成,徐烨,杨佳淼,张春明.聚类综合算法对于谷氨酸发酵过程运行状态的识别[J].应用技术学报.2017