交易价格： 面议
类型： 非专利
交易方式： 资料待完善
联系人：
所在地：
以中石油某海上天然气开采平台往复式压缩机的运行数据为研究对象,对各种特征提取方法以及基于神经网络的时序数据预测模型进行研究总结,提出一种基于受限玻尔兹曼机的时间序列预测方法和一种基于深度信念网络的故障诊断方法,并将它们应用到往复式压缩机的故障预警与诊断中,具体研究内容如下： 第一,研究往复式压缩机现有故障诊断技术及其基本结构及工作原理,分析了往复式压缩机的常见故障,并对现有时间序列预测算法研究现状做了详细介绍。 第二,研究常见的数据特征提取算法,包括单一信号特征提取和多元信号的特征提取方法,同时将传统时间序列预测算法和基于神将网络的时间序列预测算法进行详细的阐述。 第三,研究基于神经网络的三种时间序列预测算法,提出一种基于受限玻尔兹曼机的时间序列预测方法。该方法将受限玻尔兹曼机和神经网络相结合,应用到压缩机的时序参数趋势预测中,通过对比BP、DBN、LSTM三种算法模型的预测精度,验证该方法的有效性,将其作为参数趋势预测算法。 第四,提出一种基于深度信念网络的故障诊断模型,用于往复式压缩机故障的诊断。在实验中先将往复式压缩机的状态数据输入到基于受限玻尔兹曼机预测模型,然后将预测模型的预测输出输入到基于深度信念网络的故障诊断模型中,最终输出运行状态,实现故障诊断。通过实验的结果,验证该方法的可行性。 第五,基于以上研究成果,基于MySQL数据库系统,使用Java开发压缩机动设备故障诊断与预测系统。该系统主要包括实时监控模块、故障库管理模块、预测与诊断模块、用户管理模块四大部分。
Copyright © 2018 宁夏回族自治区生产力促进中心 版权所有 宁ICP备11000235号-3 宁公网安备 64010402000776号
网站访问量： 网站在线人数：0 技术支持：科易网 
微信公众号
