基于数据挖掘的集中监控设备典型缺陷预测方法

为改善传统方法对监控设备典型缺陷分析结果的不理想,提出了基于数据挖掘技术的集中监控设备缺陷预测方法。预测集中监控设备在未来时间内的相关监控数据,并将其与历史典型缺陷发生期间内的监控数据相似度进行比较,以量化指标的形式对集中监控设备的典型缺陷进行预测。实验结果表明,利用所提方法对实际发生的油温异常典型缺陷进行预测,计算出的相似度指标形成了一个峰值,而缺陷未发生时的相似度指标较低,证明本文方法能够较好地体现缺陷发生的可能性,整体应用性较高。     

钢铁企业能源预测模型的研究与设计

能源预测模型是能源管理系统中的一个重要组成部分。它依据各工序的能源应用策略,结合生产计划、检修计划、设备异常数据等,对能源的生产和消耗数据进行预测、统计和分析,为能源介质动态平衡分配和能源优化调度提供理论数据支持,达到优化用能、节约用能的目的。     

大数据背景下相似性设备剩余寿命预测研究进展

剩余寿命预测是设备故障预测与健康管理的重要组成部分,准确预测设备剩余寿命将有助于决策者及时制定维修策略,避免巨额的失效损失。随着物联网和大数据技术的发展,实时监控设备的运行状态变得越来越便利,为改进和发展设备剩余寿命预测方法奠定了坚实基础。基于相似性的设备剩余寿命预测方法不需要假设设备退化模型,而是通过大数据分析设备间运行状态的相似性进行预测,具有很高的预测精度和强鲁棒性。本文从健康指标构建、相似性度量选取、数据融合等方面,对基于相似性的设备剩余寿命预测方法进行了梳理总结,分析比较了相应性质。文章最后对基于相似性的设备剩余寿命预测方法的未来研究方向进行了探讨。     

工业技术进步灰色量化分析及预测

利用柯布—道格拉斯 (Cobb Douglas)生产函数对工业数据进行技术进步分析 ,得出工业技术进步发展速度和贡献值 .同时利用灰色模型GM( 1 ,1 )对工业技术进步的数据进行预测 ,并通过了后验误差检验 ,得出了与实际情况基本吻合的预测结果 .利用预测数据对我国 2 0 0 0年的工业技术进步进行分析 ,给我国工业技术进步提出几点建议     

炼铁设备故障预测模型的建立与应用

炼铁设备运行过程多样复杂,设备故障的预测与分析应适应现代化的设备管理要求.将灰色系统GM(1,1)与新陈代谢模型相结合,建立了炼铁设备故障预测模型.该模型对实时数据进行处理,通过分析数据间的规律,预测设备的可靠性.安钢热风炉风机运行动态监测的实例表明:该模型可实时地根据设备运行状态进行数据分析,与传统的分析手段相比,具有快捷、方便、可信度高的特点.模型可以大幅度减少模拟计算工作量、提高预测精度.     

基于灰色理论的设备状态预测

针对一般GM(1,1)多步预测方法的不足,提出了一种基于代谢递补GM(1,1)的状态预测方法.该方法首先对原始信号进行预处理,再通过递补思想进行多步预测,然后利用更新数据进行代谢预测,最后计算设备状态的预测值与真实值误差,根据预测值的趋势判断设备的未来状态.实例分析结果表明,该方法所需数据样本少且数据训练时间短,后八步的预测精度可满足工程精度,能有效地应用于设备的中长期在线状态预测.     

统计模式识别和自回归滑动平均模型在 设备剩余寿命预测中的应用

为了对设备预知性维护研究提供支持,采用统计模式识别（SPR）方法对设备进行性能评估,获取设备健康指标;再运用自回归滑动平均模型（ARMA）对设备剩余寿命进行预测,建立了基于设备健康状况的设备剩余寿命预测模型.对生产过程中刀具加工设备寿命预测进行分析和验证结果表明,该设备评估和预测方法是有效且实用的.     

短时间序列集的一种预测调和方法

由于互联网以及大数据产业的高速发展,各行业产生了大量的短时间序列数据。因此,对这些数据进行分析进而预测其未来趋势成为了重要的生产和管理的手段。短时间序列以单个序列的观测数量少为特征,是时间序列分析的一个难点。如果预测对象是短时间序列数据集,就可以利用其总量的预测值去调节各分量的预测值。文章提出了一种时间序列的预测调和方法,并通过此方法去调节ARIMA模型对一个短时间序列数据集的建模预测结果,与ARIMA的预测结果相比,调和后的预测精度得到了提高。     

基于工艺的自适应数据质量多模型择优预测

针对钢铁企业实际生产过程中,采用单一预测模型进行预测难以把握大规模启停设备用电规律,预测精度较低等问题,根据生产-检修阶段的实际工艺情况,将生产,检修问题采用随机近似贪婪搜索RAGS对复杂特征进行特征选择,建立了一个自适应数据质量的多模型择优预测框架进行建模;将其应用于宝钢电网。仿真结果表明,提出多模型择优预测框架可以准确预测钢铁企业电力日负荷,为实现电力系统能源调度提供决策依据。     

基于混沌理论的临修设备预测技术

对机械设备的运行状态、维修周期的正确预测有助于避免恶性事故的发生,并能节约维修费用。针对临修设备具有混沌特征及用一般方法难以预测其维修时间的问题,将振动数据作为设备运行状态评判指标,以相空间重构理论为基础,利用相空间近邻等距法和相空间线性模式回归两种算法,对混沌吸引子数据和临修设备振动数据进行了预测。结果表明,用混沌方法预测的混沌吸引子数据与临修设备振动数据可以进行良好的拟合,从而可对临修设备的运行状态做出正确的评估。混沌方法为预测临修设备的维修时间提供了一种有效的手段,与其他预测方法相结合,可实现设备运行状态的全过程预知,从而全面提高设备管理水平。     

基于灰色系统理论的电信设备拥有量预测

目的实现对电信设备拥有量发展计划的预测。方法引入灰色系统理论预测模型，结合国家统计局公布的近年来电信设备实际拥有量数据进行预测设计。结果形成一种使用灰色系统理论对电信设备拥有量发展计划的预测方法。结论该方法简单、快速、实用，具有一定的预测精度。在实施重大计划决策时，可与其他预测方法一起使用。     

人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型 .在此基础上 ,利用神经网络对热轧管线钢力学性能进行了预测 ,并对预测结果与生产数据进行了比较 .此外 ,还利用神经网络对生产工艺参数进行了优化 .结果表明 ,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义     

人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型.在此基础上,利用神经网络对热轧管线钢力学性能进行了预测,并对预测结果与生产数据进行了比较.此外,还利用神经网络对生产工艺参数进行了优化.结果表明,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义.     

基于混沌理论的临修设备预测技术

对机械设备的运行状态、维修周期的正确预测有助于避免恶性事故的发生，并能节约维修费用。针对临修设备具有混沌特征及用一般方法难以预测其维修时间的问题，将振动数据作为设备运行状态评判指标，以相空间重构理论为基础，利用相空间近邻等距法和相空间线性模式回归两种算法，对混沌吸引子数据和临修设备振动数据进行了预测。结果表明，用混沌方法预测的混沌吸引子数据与临修设备振动数据可以进行良好的拟合，从而可对临修设备的运行状态做出正确的评估。混沌方法为预测临修设备的维修时间提供了一种有效的手段，与其他预测方法相结合，可实现设备运行状态的全过程预知，从而全面提高设备管理水平。     

基于数据自组织挖掘的机械设备状态退化预警方法

在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法。采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型。案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中。结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1%。新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警信息,有效地制定预知维修计划,及时采取预防措施,防止因设备突发失效引起非计划停机造成生产和经济损失。     

新息灰理论在不确定性系统故障预测中的应用

结构复杂性、运行环境独特性和诱发故障多源性大大增加了现代设备系统的不确定性,从而导致能够反映设备系统主要特征的数据较少。针对不确定性设备系统贫信息的特点,将新息灰预测方法应用于设备系统运行状态的预测。仿真研究给出了基于新息灰理论的工业实例建模过程和故障预测结果,并与BP神经网络方法的计算结果进行比较,验证了新息灰预测方法的有效性与实用性。     

油田设备数据采集与存储方案设计

充分利用设备实时数据,是实现智能油田的必要条件。油田现场一般都存在大量设备,设备自动化程度较高,大部分设备运行过程中,运行参数能够通过传感器实时传入中控系统,数据会一直保存在中控服务器中,形成数据孤岛。为了充分利用这些数据,进行设备状态分析、趋势预测,需要从多套中控系统取出数据,通过网络远传回后端数据中心。同时还需要提供人工录入的方法,以便在没有传感器的情况下,还能及时采集上报设备运行数据。该文针对不同采集方式,分别对数据采集和数据存储进行设计分析。     

基于监督局部模型的设备剩余寿命预测

精确预测设备的剩余使用寿命能帮助厂商衡量所生产设备的质量,也有利于使用者及时更换或修理设备。截至2021年,基于相似性预测剩余寿命的研究大多使用欧式距离进行相似性的判定,容易出现维度灾难。本研究结合长短期记忆网络和自编码器提取设备的时序特征,之后使用监督局部模型进行剩余使用寿命预测,以随机森林为基础进行相似性的判定。最后,本研究使用C-MAPSS数据集验证了所提出方法的有效性,所提出方法在预测精度上要优于其余几个对比方法,并进行相关的讨论。     

矿井回采工作面瓦斯涌出量预测新途径

在研究大量国内外矿井瓦斯涌出量预测方法的基础上,通过比较,分析灰色理论在矿井瓦斯涌出量预测方法中的优势,根据某矿102回采工作面的相关瓦斯涌出数据,以灰色预测理论为基础,通过对影响回采工作面瓦斯涌出量的关键因素分析,建立该工作面的瓦斯涌出量GM(1,1)预测模型,通过模型的求解,给出预测结果,并对结果进行检验.结果表明,该模型预测结果与生产实际吻合度较高,对煤矿瓦斯管理具有十分重要的指导意义.     

基于地震纹理属性聚类分析的裂缝分布预测

裂缝在地震数据中的特征可视为一种纹理,因此可以使用纹理属性表征裂缝,基于纹理属性聚类分析方法对裂缝发育带进行预测。计算地震数据体不同灰度级和不同三维数据基元大小的体共生矩阵,以此提取多组纹理属性,并进行对比和优选,最后使用模糊C均值聚类法对优选的纹理属性进行分析,根据聚类结果对裂缝的分布范围进行预测。方法减少了人工预测裂缝的主观性,而且从多个方面表征裂缝来提高预测结果的可信度。对野外数据进行分析,其结果表明分析获得的裂缝预测范围与勘探结果具有较高的吻合度。