基于XGBoost的列控车载设备故障预测方法

列控车载设备的健康管理和故障预测是实现高速铁路关键装备智能化视情维护的重要途径.为了克服列控车载设备故障建模的复杂性和健康监测手段受限等问题,充分运用现场收集的设备运行记录数据,提出一种基于数据驱动的列控车载设备故障预测体系框架.建立了高速列车列控车载设备运行数据管理平台,基于大量历史现场数据构建训练及测试样本集,运用极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法实施特定故障类型的模型训练与学习,并将所得故障模型用于故障概率的预测分析.以CTCS2-200H型列控车载设备为对象,运用实际数据对所提出的故障建模方法进行了验证,对不同建模样本规模、故障类型维度下的模型性能以及不同建模算法性能进行了对比.结果表明:基于XGBoost算法的建模方法能够有效揭示各特征量与故障之间的关联,所采用树的深度值越高,迭代收敛速度越快;相较于GBDT、RF算法,基于XGBoost的建模方法能够实现更高的预测正确率,在给定样本条件下达到稳定正确率所需训练时间分别减少了78.55％、12.47％,验证了该方法在大规模数据条件下的适用性和性能优势.     

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。     

风电机组主轴系统实时可靠性分析与预测方法研究

对于历史数据不完整的风电机组系统,运行过程中需要对系统和设备进行实时可靠性分析和预测。以风电机组主轴轴承系统为例,以参数偏差为其量化指标,建立实时的可靠性评价模型,对风电机组主轴轴承系统进行实时状态评价和可靠性分析。同时,基于灰色预测法对监测参数进行趋势预测。根据趋势预测结果,结合实时可靠性分析所确定的系统当前状态评价结果,及时预警并识别故障,确定设备维修方案,保障风电机组良好运行。     

基于CNN-LSTM-LOF的过程故障预测模型

在现代工业过程中,故障预测可以及时预测设备的潜在故障,减少事故的发生以及降低经济损失,因此故障预测对于过程系统至关重要。由于过程系统的复杂性以及运行数据集分布不均,使用正常数据集离线预测运行状态的方法没有较好的泛用性,且不太准确。针对以上问题,将卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合,用于提取设备运行数据的特征,在线预测之后的运行状态;随后将预测结果送入在离线状态下训练好的局部异常因子(LOF)模型中,计算预测出时间序列的异常值;最后将异常值与离线状态下训练出的故障阈值进行比较,大于阈值则认为存在潜在故障。将模型用于田纳西-伊斯曼(TE)时间序列进行验证,并与传统的故障预测方法进行比较,实验结果表明：本文所提模型对于多故障以及单故障预测相比传统故障预测方法均具有更好的效果,可以提前1个采样窗口检测到数据异常,有应用于工业故障预测的潜力。     

高速列车智能诊断与故障预测技术研究

综合运用列车运维产生的实时数据和历史数据,提取智能诊断模型,对车载设备运行状态进行监控和预测,是建立高速列车智能诊断和故障预测系统的思路和方法.以转向架关键轴承的可靠性监测和故障预警作为案例,系统阐述了该方法在轨道交通装备故障预测方面的应用.通过对比轴承监测系统记录的原始数据和诊断模型的预测结果,验证了该研究对于提高高速列车运行安全的重要意义和有效性.高速列车运维的长期实践表明,整体框架和建模方法对于现阶段建立系统的、分层次的高速列车智能诊断和故障预测系统具有现实的指导意义,在提高列车检修效率方面起到重要作用.     

基于物联网的稠油注采柱塞泵状态监控系统

结合稠油热采过程中柱塞泵设备运行及其故障特点,设计了一种基于物联网的稠油注采柱塞泵状态监控系统。介绍了系统物联网架构、监控系统的功能模块和软件构成。该系统采用无线振动与温度传感器、无线通信网关,对柱塞泵振动等状态实时数据进行采集和传输,构建了基于BP神经网络柱塞泵运行状态预测模型,并选用稠油开采生产背景资料进行BP神经网络的训练。实际应用结果表明,该系统可实现稠油注采过程中柱塞泵实时监测、故障预测和动态分析,系统运行可靠,在稠油开发生产方面具有典型的应用价值。     

采用SNMP网络协议的地质公园设备管控系统设计

基于简单网络管理协议(SNMP),设计地质公园智能设备的管控系统,可实现开启或禁用拟定设备、远程监控智能设备端口、汇总设备数据、查看和更新设备工作事件信息、实时监控设备运转状态的功能.应用结果表明:该系统可通过有线及无线网络把地质公园所有智能设备连接到同一管控平台,实时监控设备的运行状态、流量信息、数据统计及故障数据等,并能通过手机短信及自动电话拨打方式向管理员发出故障报警.     

低压配电系统选择性保护短路电流峰值早期预测的算法研究

在短路故障早期诊断基础上,提出一种基于最小二乘法的低压配电系统短路电流峰值预测计算方法.该方法利用少量电流数据与故障电压初相角进行曲线拟合,可预测出短路电流发展趋势及峰值,使得通过实时在线预测短路电流峰值实现低压配电系统全局选择性保护成为可能.通过C语言编程与Matlab短路故障模型仿真,结果表明,峰值预测方法具有有效性,其精度高、程序运行速度快,且容易在硬件系统上实时实现.最后,给出利用峰值预测实现全局选择性保护方案,为开发具有短路故障早期诊断与选择性保护功能的智能断路器提供参考.     

基于长短期记忆网络的齿轮剩余寿命预测研究

设备运行数据蕴含了大量的状态退化信息,利用状态退化信息对设备进行剩余寿命预测,可以为预测性维修提供重要的依据。针对监测过程中接收到表征设备退化的大量数据,提出一种改进的基于记忆机理循环神经网络实时剩余寿命预测模型。该模型利用随机搜索选择模型超参数,采用加入动量考虑的随机梯度下降算法优化模型参数,防止陷入局部最优,从而提高剩余寿命预测模型的预测精度。通过齿轮弯曲疲劳试验,验证了该模型剩余寿命预测的准确性。     

动车组随车监测记录仪的设计与实现

为了保障动车组的安全运行和检修维护的需要,开发设计了动车组随车监测记录仪。该记录仪可以实时采集动车组的运行数据,也可以通过串行通讯接收其它车载设备的实时运行数据,并用大容量U盘组成了海量信息存储系统,实现了长达31天的动车组运行数据和故障信息的采集、记录和保存。为分析动车组运行状况、查找动车组运行故障、提供检修参考依据建立了重要基础。     

银山炼铁#1#2翻车机故障智能自检改造与应用

翻车机是银山炼铁原料的重要卸料设备,针对它控制点多、受环境影响大故障频发严重影响卸车效率的特点,依据其控制原理设计一套智能故障维护系统．依托它一般维护人员甚至岗位人员都能处理常见故障,大大提高翻车机的工作效率。     

基于燃料比最优的高炉喷煤设定值多目标优化

为了降低高炉炼铁的能耗,节约成本,将高炉炼铁过程信息、专家经验与智能模型相结合,提出基于燃料比最优的高炉喷煤设定值多目标优化方案。以燃料比最优为优化目标,炉温预测指标为约束条件,喷煤量为决策变量,采用基于K-均值聚类的径向基神经网络建立多目标优化模型,并通过基于NSGA-Ⅱ算法的多目标优化方法,获取尽可能使多个目标同时达到最优的Pareto最优解。结果表明,该优化方案可以在保证炉温良好的前提下,决策出使燃料比达到最优的喷煤设定值,大大降低能耗,节约成本。不仅为高炉实际生产提供操作指导,也为高炉冶炼的优化运行奠定了基础。     

热红外图像等温线温度场分割研究

为了改变传统电力设备检测方式,快速预测诊断出潜在故障的电力设备故障点,对采集到的电力设备热红外图像进行预处理和等温线温度场分割等关键技术,确定出热红外图像的缺陷中心位,为后期进行图像匹配,快速预测出电力设备故障点提供了良好的基础。经实践表明,研究方法达到了很好的实际效果,帮助变电站预测出了多处可能发生故障的电力设备,值得实际推广应用。     

基于梯度提升决策树的焦炭质量预测模型研究

焦炭是高炉炼铁的重要原料,其质量是影响铁水质量和高炉顺行的重要因素,针对焦炭质量存在检验难、滞后性、预测误差大等问题,提出一种基于梯度提升决策树算法的焦炭预测模型;结合专家经验与相关性分析方法,深入研究配合煤质量对焦炭质量的影响;最后利用配合煤质量指标对焦炭质量指标灰分、硫分、耐磨强度、抗碎强度进行建模预测;根据某焦化厂历史生产数据对模型进行评估,实验结果表明:基于梯度提升决策树的焦炭质量预测模型相较于线性回归模型、随机森林模型,决策树模型误差小、准确率高,可以为焦化厂配煤炼焦提供一定的理论依据。     

基于机器学习和遗传算法的高炉参数预测与优化

针对目前高炉炼铁模型精度不高问题,提出建立高炉生产过程中精确的多目标优化模型.首先对高炉的海量数据进行了数据预处理,其次采用支持向量机、随机森林、梯度提升树、XGBoost、LightGBM、人工神经网络6种机器学习算法对高炉焦比、K值进行了预测,并采用特征工程和超参调优对机器学习预测进行了优化,最后采用新的集成学习方法进行预测.预测结果不仅精准度高而且具有很好的鲁棒性.在机器学习的基础之上,采用NSGA-Ⅱ遗传算法对高炉参数进行了多目标优化分析,得到了Pareto最优解,高炉操作者可以根据该多目标优化结果针对不同的需求选择相应的控制参数.     

旋转机械振动信号的循环谱分析

依据循环平稳理论,建立了具有旋转特性的机械设备的信号模型,对其振动信号的二阶循环统计量的解调性能进行了分析.指出利用循环谱图及其轮廓图可以有效识地从复杂的机械振动信号中提取调制信号及载波信号的频率特征,为设备的故障识别及故障定位提供了依据.     

充油电气设备故障诊断系统的设计与实现

介绍了对充油电气设备油进行气相色谱分析以及故障诊断的过程,并给出了气相色谱分析与故障诊断系统的设计与实现,系统包括参数设置、数据输入和跟踪分析及故障诊断等3个模块,能够在各种充油电气设备油色谱分析的数据基础上,实现对充油电器设备的分析和故障诊断.     

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。     

模糊综合评判在设备故障预警专家系统中的应用

论述了基于模糊综合评判的设备故障预警专家系统的框架结构、功能及工作原理,并给出了一个基于模糊综合评判的设备故障预警实例。实验结果表明,该方法应用在设备故障预警中是可行的、有效的,为研究设备故障预警问题提供了一条新的思路和方法。