物联设备预警算法说明_第1页
物联设备预警算法说明_第2页
物联设备预警算法说明_第3页
物联设备预警算法说明_第4页
物联设备预警算法说明_第5页
已阅读5页,还剩15页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

油气生产物联设备预警系统—传感器健康分析算法说明算法说明自学习判读算法功能结构概要设计系统模块关系图概要设计系统数据&控制流图接口设计1、原则以数据库为接口,判读系统作为独立进程运行,进程间不进行直接数据交互2、接口表概要设计输入接口表:判读逻辑输出接口表输出接口表算法模型读值判读模型贝叶斯网络模型(BayesianNetwork)P(Final_rate)P(R)P(N_R)P(V_R)P(F_node_rate)P(H_V_rate)P(V_V_rate)P(B_node_rate)P(K_node_rate)P(T)算法设计-数据预处理统计滑动窗口

吴小培,叶中付,郭晓静,张道信,胡人君,基于滑动窗口的独立分量分析算法计算机研究与发展》2007年1期聂国梁,卢正鼎,聂国栋,流数据近似统计算法研究《计算机科学》2005年4期算法设计-阈值分析跳变发现流程刘军,程光,异常检测中信息熵灵敏度分析《广西大学学报(自然科学版)》2011年z1期算法设计-同比环比分析环比判读流程薛正华,董小社,李炳毅,廖诗华,基于BP神经网络的集群负载预测器《华中科技大学学报(自然科学版)》2007年z2期

林香,姜青山,熊腾科,一种基于遗传BP神经网络的预测模型《计算机研究与发展》2006年z3期核心思路1.斜率拟合算法设计-关联分析(趋势分析)获取一个单元的斜率向量(最小二乘拟合)判别向量相似度给定评分向量空间增量式聚类算法状态迁移窗口设计吴佳,罗可,改进的模糊C均值的增量聚类算法《计算机工程与应用》2011年23期刘青宝,侯东风,邓苏,张维明基于相对密度的增量式聚类算法《国防科技大学学报》2006年5期张宇,刘雨东,计钊,向量相似度测度方法《声学技术》2009年4期2.相似度判别3.计算得分算法设计-关联分析(趋势分析)续(0,0)(1,1)(1,-2)Θ2Θ1(x1,x2)理论寿命例如:厂家规定寿命8年,带入计算公式可得:算法设计-寿命估计徐春玲,现场可靠性评定的理论与实践,2010-南京理工大学:电子与通信工程秦金磊,牛玉广,李整,电站设备可靠性问题的威布尔模型求解优化方法《中国电机工程学报》2012年z1期服役时间评分检修时间评分算法设计-寿命估计(续)故障信息评分算法设计-寿命估计(续)算法设计-综合评定算法设计-自学习模块增量式聚类算法设计-自学习模块(0,0)(1,1)(1,-2)(x1,x2)1)若告警,则将当前状态插入向量空间2)当前状态空间内的向量超过预定范围,进行增量合并神经网络预测模块算法设计-自学习模块1)构建三层神经网络,通过学习,确定每层次权重;2)依据历史3次读值,预计第四次读值并校验;循环迭代,训练网络模型;3)依据最近3次读值,预计本次读值第1层(隐含层)第2层(隐含层)第3层(输出层)第0层(输入层)输入数据单个仪表偶发数据不正常 输出结果:不告警;输入数据单个仪表连续数据不正常 输出结果:告警;单个仪表趋势(低限)预警 输出:告警;单个仪表趋势(高限)预警 输出:告警;单个仪表突发超限 输出:告警;逻辑上同组的设备,一个发生异常变化,其余不变 输出结果,发生变化的告警;逻辑上同组的设备,均发生变化 输出结果,都告警;用户对告警信息确认为虚警,再次输入相类似数据,不再告警;用户对告警信息确认为实际警告,再次输入相类似数据,再次告警;逻辑上多个分组,隶属于不同分组的设备分别发生异常变化,分别告警;设备启动,数据逼近正常区域 不告警;设备停止,一次性告警,确认为虚

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论