本文主要研究内容
作者周广飞（2019）在《多元统计分析方法在风机叶片结冰故障预测研究》一文中研究指出：随着现在工业生产规模不断扩大,其生产过程越来越复杂,传统的基于规则或者单纯依赖机理建模的方式来监控生产过程安全及建立有效的故障报警机制变得越来越困难。另一方面,传感器成本的降低和存储也变得廉价的今天,工业生产过程中保存了海量设备工况数据。与此同时,人工智能技术质的提升已在多个通用领域显露锋芒。工业作为智能化程度的洼地及其潜在的巨大商业价值,受到的关注与日俱增。本文以发电风机叶片结冰故障诊断作为工业智能化应用的研究案例,目前该研究领域在国内仍处于发展阶段,现场采取的措施一般都是叶片结冰状态比较严重后进行停机除冰。如果能对结冰过程进行精确预测,以便能够尽早开启除冰系统,对于延长风机寿命,提高发电效率以及保证现场工作人员人身安全都具有重大的现实意义。本文通过风电厂SCADA系统产生的大量数据,结合机器学习算法对风机叶片结冰情况进行预测,首先阐述了工业大数据的特点,表明工业智能化并不是人工智能技术在工业场景中的简单复用。在数据预处理阶段,针对无效和奇异值数据进行剔除操作。对于正常和结冰样本严重不均衡现象,本文首先通过场景分析删去部分大样本数据,之后同时采取欠采样和过采样、SMOTE等方法进行平衡处理。在特征提取阶段,除了使用对结冰现象有重大相关性的显性特征外,结合机理分析,又构造出一系列隐形特征,从而大幅的提升了预测效果。在算法选择上,本文采用多个层面的人工智能算法对该案例进行分析。首先应用传统机器学习方法,比如支持向量机、K-邻近算法、BP全连接神经网络等。其次采用XGBoost算法,该算法基于机器学习中的提升理论,但对传统的梯度提升算法做了很多细节改进,包括损失函数、正则化、切分点查找算法优化等等,它可以很好的解决工业界规模的问题。最后,本文又采用深度学习理论,搭建CNN-LSTM自学习特征深度学习网络,对数据集进行训练和建模,同样取得了不错的预测结果。通过采用不同层次的数据驱动方法对风机叶片结冰数据进行分析和建模,初步掌握了工业大数据处理思路和方法,验证了人工智能技术在工业领域具有广阔的应用前景。
Abstract
sui zhao xian zai gong ye sheng chan gui mo bu duan kuo da ,ji sheng chan guo cheng yue lai yue fu za ,chuan tong de ji yu gui ze huo zhe chan chun yi lai ji li jian mo de fang shi lai jian kong sheng chan guo cheng an quan ji jian li you xiao de gu zhang bao jing ji zhi bian de yue lai yue kun nan 。ling yi fang mian ,chuan gan qi cheng ben de jiang di he cun chu ye bian de lian jia de jin tian ,gong ye sheng chan guo cheng zhong bao cun le hai liang she bei gong kuang shu ju 。yu ci tong shi ,ren gong zhi neng ji shu zhi de di sheng yi zai duo ge tong yong ling yu xian lou feng mang 。gong ye zuo wei zhi neng hua cheng du de wa de ji ji qian zai de ju da shang ye jia zhi ,shou dao de guan zhu yu ri ju zeng 。ben wen yi fa dian feng ji xie pian jie bing gu zhang zhen duan zuo wei gong ye zhi neng hua ying yong de yan jiu an li ,mu qian gai yan jiu ling yu zai guo nei reng chu yu fa zhan jie duan ,xian chang cai qu de cuo shi yi ban dou shi xie pian jie bing zhuang tai bi jiao yan chong hou jin hang ting ji chu bing 。ru guo neng dui jie bing guo cheng jin hang jing que yu ce ,yi bian neng gou jin zao kai qi chu bing ji tong ,dui yu yan chang feng ji shou ming ,di gao fa dian xiao lv yi ji bao zheng xian chang gong zuo ren yuan ren shen an quan dou ju you chong da de xian shi yi yi 。ben wen tong guo feng dian an SCADAji tong chan sheng de da liang shu ju ,jie ge ji qi xue xi suan fa dui feng ji xie pian jie bing qing kuang jin hang yu ce ,shou xian chan shu le gong ye da shu ju de te dian ,biao ming gong ye zhi neng hua bing bu shi ren gong zhi neng ji shu zai gong ye chang jing zhong de jian chan fu yong 。zai shu ju yu chu li jie duan ,zhen dui mo xiao he ji yi zhi shu ju jin hang ti chu cao zuo 。dui yu zheng chang he jie bing yang ben yan chong bu jun heng xian xiang ,ben wen shou xian tong guo chang jing fen xi shan qu bu fen da yang ben shu ju ,zhi hou tong shi cai qu qian cai yang he guo cai yang 、SMOTEdeng fang fa jin hang ping heng chu li 。zai te zheng di qu jie duan ,chu le shi yong dui jie bing xian xiang you chong da xiang guan xing de xian xing te zheng wai ,jie ge ji li fen xi ,you gou zao chu yi ji lie yin xing te zheng ,cong er da fu de di sheng le yu ce xiao guo 。zai suan fa shua ze shang ,ben wen cai yong duo ge ceng mian de ren gong zhi neng suan fa dui gai an li jin hang fen xi 。shou xian ying yong chuan tong ji qi xue xi fang fa ,bi ru zhi chi xiang liang ji 、K-lin jin suan fa 、BPquan lian jie shen jing wang lao deng 。ji ci cai yong XGBoostsuan fa ,gai suan fa ji yu ji qi xue xi zhong de di sheng li lun ,dan dui chuan tong de ti du di sheng suan fa zuo le hen duo xi jie gai jin ,bao gua sun shi han shu 、zheng ze hua 、qie fen dian cha zhao suan fa you hua deng deng ,ta ke yi hen hao de jie jue gong ye jie gui mo de wen ti 。zui hou ,ben wen you cai yong shen du xue xi li lun ,da jian CNN-LSTMzi xue xi te zheng shen du xue xi wang lao ,dui shu ju ji jin hang xun lian he jian mo ,tong yang qu de le bu cuo de yu ce jie guo 。tong guo cai yong bu tong ceng ci de shu ju qu dong fang fa dui feng ji xie pian jie bing shu ju jin hang fen xi he jian mo ,chu bu zhang wo le gong ye da shu ju chu li sai lu he fang fa ,yan zheng le ren gong zhi neng ji shu zai gong ye ling yu ju you an kuo de ying yong qian jing 。
论文参考文献
论文详细介绍
论文作者分别是来自华北电力大学(北京)的周广飞，发表于刊物华北电力大学(北京)2019-10-28论文，是一篇关于工业大数据论文,风机叶片结冰论文,支持向量机论文,华北电力大学(北京)2019-10-28论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自华北电力大学(北京)2019-10-28论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。