排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
为保障风力发电机组的可靠运行,基于数据的机组异常状态检测尤为重要。文章提出一种基于级联深度学习模型的风力发电机组主轴承异常状态检测方法,首先利用风力发电机组机理知识和数据间的相关性选择与主轴承密切相关的参数,然后建立基于卷积神经网络(CNN)和长短记忆网络(LSTM)的观测参数与目标参数的逻辑关系,并且通过均方根误差评估模型预测温度与实际采集温度的差异。最后通过海上某风电场SCADA数据进行算例验证。结果表明:CNN-LSTM模型不仅能够更早得发现主轴承异常状态,还能够发现LSTM发现不了的主轴承异常特征。 相似文献
3.
4.
贵阳市地铁3号线盾构施工区间岩体内存在多处溶孔、垂直溶洞和溶蚀破碎带,在这种复杂地质条件下,盾构施工工期长且施工技术复杂。采用可考虑多因素的层次分析法对岩溶地区地铁隧道盾构法施工风险进行研究:首先,根据工程现场资料及专家咨询意见建立岩溶隧道盾构法施工风险评价指标体系,包括盾构掘进风险、周边环境风险、自然及地质风险3个一级指标,盾构机选型与刀盘、刀具选型和盾构进出洞加固等13个二级指标和相应风险源;然后,利用层次分析法分别计算各个风险指标权重,并结合专家打分法对岩溶隧道盾构法施工风险进行综合风险指数计算;最后,根据计算得到的风险指数确定隧道施工风险等级,并给出相对应的风险控制措施。将该风险评价模型应用于贵阳市轨道交通3号线农学院站—花溪公园站区间盾构法施工中,得到总体风险等级为Ⅱ级,该结果与现场施工情况基本吻合,说明该模型具有较好的实用性。 相似文献
1