郭双全
- 作品数：5 被引量：15H指数：2
- 供职机构：中央研究院更多>>
- 相关领域：电气工程机械工程动力工程及工程热物理金属学及工艺更多>>
- 基于mRMR的发电机DCS信号神经网络趋势预测方法被引量：2
- 2017年
- 针对神经网络方法在发电机信号趋势预测过程中如何合理选择网络输入节点的问题,提出了一种基于最大相关和最小冗余(mRMR)算法的神经网络输入信号选取准则。该方法研究了发电机分布式控制系统(DCS)监测数据的特点,采用了mRMR算法从原始特征集合中选择了与被描述对象具有最大相关性,且特征集元素间冗余量最小的特征子集作为网络输入,进而有效地提高了网络模型对输入输出间非线性函数关系的拟合精度。研究结果表明,当对某电厂DCS信号进行分析时,与直接利用神经网络进行趋势预测的准确性相比,该方法预测准确性高、泛化能力好,具有良好的工程适用性。
- 杨家荣李辉郭双全吕伟
- 关键词：分布式控制系统发电机
- 多卷积神经网络融合的滚动轴承故障识别方法被引量：2
- 2021年
- 针对滚动轴承故障,提出了一种多卷积神经网络融合的滚动轴承故障识别方法。采集滚动轴承在不同状态下的振动信号,利用短时傅里叶变换得到二维时频谱图。基于二维时频谱图的数据结构设计得到二维卷积神经网络、一维时域卷积神经网络、一维频域卷积神经网络,利用这三个卷积神经网络的输出结果构建全连接神经网络进行融合。利用引导聚集集成学习方法训练这一神经网络融合模型,将测试信号输入训练后的神经网络融合模型,实现对滚动轴承故障的智能识别。基于滚动轴承故障试验数据集进行验证,结果表明所提出的多卷积神经网络融合的滚动轴承故障识别方法能够有效识别滚动轴承的故障,并且在相同准确率的前提下,训练稳定性和训练效率均高于单一卷积神经网络模型。
- 郭双全
- 关键词：卷积神经网络滚动轴承
- 基于时间序列的发电机温升趋势分析方法被引量：4
- 2016年
- 针对发电机过程信号预测问题,提出一种基于汽轮发电机组集散控制系统(Distributed Control System,DCS)信号的时间序列趋势预测方法。对发电机实际DCS数据的趋势预测结果也表明,该方法能够有效预测信号趋势中的多种成分,适用于工程实际中参数变化趋势的预测。
- 李辉郭双全张梦航
- 关键词：时间序列发电机故障预警
- 基于灰色关联度的风力发电机组健康性能评估方法研究被引量：7
- 2016年
- 对风力发电机组进行健康性能评估,可以为机组可靠运行、智能诊断提供参考。借助风机历史运行状态数据,通过风机采集与监控系统测点间关联性分析,综合风机变桨、偏航、传动、齿轮箱冷却、机舱温度状况、发电等多方面性能,运用灰色关联度分析方法,建立了风力发电机组健康性能评估模型,得到了机组健康性能变化曲线。应用实例分析表明,通过合理的阈值设定所得到的阈值报警点与机组实际报警记录有较高的吻合率,实现了部分故障的提前预警,对实现机组智能诊断有重要参考意义。
- 郭双全
- 关键词：风力发电机组灰色关联
- 基于卷积神经网络的刀具磨损评估方法被引量：1
- 2021年
- 采用可靠的刀具磨损评估方法对于提高加工质量和生产效益具有重要意义。提出一种基于卷积神经网络的刀具磨损评估方法,采用短时傅里叶变换对采集的主轴电机直流电流和交流电流进行处理,得到对应时频谱,将时频谱输入所设计的卷积神经网络模型,评估得到刀具磨损值。采用铣削数据集对卷积神经网络模型进行训练和验证,表明在主轴转速、切削深度、进给速度、加工材料一定的情况下,评估得到的刀具磨损值与实测刀具磨损值平均绝对误差小于0.05 mm,拟合优度达到0.9以上。
- 郭双全
- 关键词：卷积神经网络刀具磨损
