日本TOKIMEC電磁閥DG4V-5-2C-M-U1-H-7-40

日本TOKIMEC電磁閥DG4V-5-2C-M-U1-H-7-40日本TOKIMEC東機(jī)美電磁閥.液壓電磁換向閥.葉片泵.日本TOKIMEC（東京計(jì)器，東機(jī)美）針對(duì)實(shí)際過(guò)程中存在的各種不確定性因素,提出了基于主成分分析和貝葉斯AR模型相結(jié)合的概率故障預(yù)測(cè)算法.該算法首先對(duì)過(guò)程數(shù)據(jù)進(jìn)行主成分分析,得到T~2和SPE統(tǒng)計(jì)量,并對(duì)其進(jìn)行Box-Cox變換.對(duì)變換后的兩個(gè)序列分別建立貝葉斯AR模型,得到一系列下一時(shí)刻預(yù)測(cè)值.將所得預(yù)測(cè)值經(jīng)Box-Cox反變換還原為原分布下的統(tǒng)計(jì)量預(yù)測(cè)值,并由核密度估計(jì)及相應(yīng)控制限計(jì)算統(tǒng)計(jì)量超限概率,實(shí)現(xiàn)故障預(yù)測(cè).后,仿真結(jié)果表明了該方法的有效性.

隨著科技的進(jìn)步,航空、航天等領(lǐng)域的設(shè)備正朝著復(fù)雜化、綜合化方向發(fā)展,傳統(tǒng)依靠可靠性工程的人工診斷方法已逐漸無(wú)法適應(yīng)設(shè)備的變化。為了提高復(fù)雜系統(tǒng)的可靠性,在當(dāng)前數(shù)據(jù)獲取技術(shù)和存儲(chǔ)技術(shù)日益發(fā)展的背景下,研究面向復(fù)雜系統(tǒng)的智能數(shù)據(jù)驅(qū)動(dòng)故障診斷技術(shù)具有重要意義。深度置信網(wǎng)絡(luò)(Deep Belief Network,DBN)是機(jī)器學(xué)習(xí)領(lǐng)域的一種新興方法,以其強(qiáng)大的自動(dòng)特征提取能力和處理高維、非線性數(shù)據(jù)等方面的優(yōu)勢(shì),已經(jīng)在圖像處理等領(lǐng)域取得了輝煌的成果,但是在故障診斷領(lǐng)域的運(yùn)用還有待開(kāi)發(fā)。因此本文從復(fù)雜系統(tǒng)數(shù)據(jù)故障診斷背景出發(fā),針對(duì)傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)故障診斷方法需要豐富的信號(hào)處理技術(shù)經(jīng)驗(yàn)以及難以表征被測(cè)信號(hào)與設(shè)備狀態(tài)之間復(fù)雜的映射關(guān)系等問(wèn)題,對(duì)基于深度置信網(wǎng)絡(luò)的數(shù)據(jù)驅(qū)動(dòng)故障診斷方法開(kāi)展研究。 TGMDC-3-Y-P*-50 TGMDC-3-X-T*-50 TGMDC-3-X-A*-50 TGMDC-3-Y-A*-50 TGMDC-3-X-B*-50 TGMDC-3-Y-B*-50  TGMDC-3-Y-A*-B*-50 TGMDC-3-X-A*-B*-50 TGMPC-3-(D)AB*-50 TGMPC-3-(D)BA*-50 TGMPC-3-(D)AB*-(D)BA*-50  TGMRC-3-AYA-*W-10TGMRC-3-AYA-BW-11DGMPS-3-P-*-11DGMPS-3-P-2-11-S2-P10DGMPS-3-A-*-11 DGMPS-3-B-*-11 DGMA-3-B-10-JA TGMA-3-B-20  DGMA-3-C1-10-JA TGMA-3-C1-20 DGMA-3-C2-10-JA TGMA-3-C2-20 DGMA-3-T1-10-T-JA-J TGMA-3-T1-20-B/T  DGMA-3-T2-10-T-JA-J TGMA-3-T2-20-B/T DGFN-06-50-JA-S1 DGPC-06-(D)A(D)B-JA-51 DGPC-06-(D)A-51  DGPC-06-(D)B-51 CVI CVC EPDG1-3-6C-1-A1-21 EPDG1-3-6C-20-A1-21 EPDG1-3-33C-20-A1-21 EPCG2-01 EPCG2 EPFG-01 EPFG EPFRG EPDG1-3 DEF(R)G ST3 EPAD P-X/Z PB-X/Z EPA EC-4S STC-Y  D-CG-02 D-CG D-FG-01 D-FG D-FRG D-DF(R)G D-DFG-31-03-2C-EX-40-63-1-20 D-DFG-31-03-2C-EX-70-63-20 U-D35

日本TOKIMEC電磁閥DG4V-5-2C-M-U1-H-7-40日本TOKIMEC東機(jī)美電磁閥.液壓電磁換向閥.葉片泵.日本TOKIMEC（東京計(jì)器，東機(jī)美）本文首先在分析DBN基本原理的基礎(chǔ)上,對(duì)DBN的特征提取和分類(lèi)能力進(jìn)行研究,從單個(gè)限制玻爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)的角度研究了DBN的特征提取能力,主要研究不同迭代次數(shù)和不同隱含層節(jié)點(diǎn)數(shù)下的RBM特征提取性能,對(duì)于DBN的分類(lèi)能力,主要研究不同深度下DBN的分類(lèi)性能。然后對(duì)基于DBN的單傳感器故障診斷方法進(jìn)行研究,該方法將故障特征提取和故障狀態(tài)識(shí)別功能整合在一起,能夠從原始時(shí)域信號(hào)中自動(dòng)提取故障特征