排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
传统设备故障诊断方法通常基于单一的机理知识或运行数据,难以解决多复杂工况、多故障类型的设备故障问题。针对以上问题,提出了一种基于知识和数据融合驱动的设备故障诊断方法,从单纯依赖机理知识或运行数据到两者融合驱动,进一步形成故障图谱诊断系统,不仅通过优化的双向长短时记忆网络模型对设备运行数据进行故障分类,而且可以展示详细故障信息以及相似故障。经实验分析验证,故障诊断准确率平均达到95.03%,同时系统通过基于融合故障链的知识图谱进行辅助决策,返回故障相关信息。对比传统分类模型准确率表现突出,并实现了机理知识与数据驱动相融合的设备故障领域图谱构建。 相似文献
1