简介:摘要随着经济社会的快速发展,电力在我们的生活中起到越来越重要的作用,电力的使用充满着我们当前生活的各个角落。为了确保电力系统的安全与稳定,让居民和企业的电能使用不出现无故断电的情况,就需要我们的电力工人对电气线路进行定期的检修与维护,从而确保电力线路和电力系统的安全性、可靠性。作为一位电气维修工需要掌握的不仅仅是对出现故障的部分能够进行检测和维修的技能,还需要对可能存在的隐患及时进行排查和发现,并进行针对性的解决。
简介:鉴于目前煤矿井下瓦斯传感器故障辩识速度慢、辩识准确度不高等缺陷,提出基于小波包分解与砸BF神经网络的瓦斯传感器故障辨识方法.采用小波包分解提取瓦斯传感器故障特征向量并输入至RBF神经网络,应用粒子群-人工蜂群(PSO-ABC)算法优化砸BF神经网络结构参数,并通过大量的瓦斯传感器样本对砸BF神经网络模型进行训练和检测.实验分析表明:本方法的辨识速度快、诊断正确率高,为精准辩识瓦斯传感器故障提供一种更加科学高效的新途径.
简介:基于系统分析比较数控机床故障诊断的传统专家智能诊断、模糊集诊断技术及人工网络智能诊断的缺陷,寻求先进故障诊断技术结合点。移植并探讨了贝叶斯理论与数控机床故障的关系,运用概率论推理和计算,建立了数控机床故障诊断智能模块,并详细叙述了智能诊断模块的构建过程,包括构建故障树、搭建故障贝叶斯节点网络、拟定故障贝叶斯网络节点概率表、故障贝叶斯网络变量消元(VariableElimination,VE)算法推理等。通过以数控车工件质量为故障特性,试验验证其智能诊断模块的可行性和有效性,能快速、准确捕捉数控机床故障点,具有一定的理论研究和实用价值。