作者:黄声铭; 毛晓明模型主泵智能状态监测聚类
摘要:随着信息技术以及大数据分析技术的发展,对设备的状态监测提出了智能化的要求,期望通过监测早期预警,识别并警示潜在的设备异常。智能状态监测的主要方法和步骤如下,对历史数据进行筛选,识别正常工况下的测点数据,再通过聚类算法建立模型,将实测值与期望值进行偏差比较,对超出限定范围的偏差进行预警。通过对主泵各相关变量的分析和研究,辨别各变量间的关联性,识别该设备的特征变量,综合考虑偏差程度和持续时间的影响,分功能建立主泵监测模型。该建模技术可有效降低外在干扰对设备监测的影响,通过仿真试验及模型的持续调优,降低误报警的几率,提高主泵监测的准确性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社