故障预测
故障预测的相关文献在1989年到2023年内共计3304篇,主要集中在自动化技术、计算机技术、电工技术、机械、仪表工业
等领域,其中期刊论文1417篇、会议论文261篇、专利文献191725篇;相关期刊614种,包括黑龙江科技信息、系统工程与电子技术、中国设备工程等;
相关会议183种,包括第二十三届测试与故障诊断技术研讨会、第五届国防科技工业试验与测试技术发展战略高层论坛、中国航空学会2012装备维修保障信息化研讨会等;故障预测的相关文献由8319位作者贡献,包括曹立军、王友仁、徐小力等。
故障预测—发文量
专利文献>
论文:191725篇
占比:99.13%
总计:193403篇
故障预测
-研究学者
- 曹立军
- 王友仁
- 徐小力
- 王兴贵
- 姜媛媛
- 房红征
- 张磊
- 黄景德
- 李刚
- 王超
- 秦俊奇
- 王团结
- 连光耀
- 马洁
- 张超
- 文龙
- 李波
- 康建设
- 张彩霞
- 林华
- 王向东
- 闪鑫
- 刘洋
- 张伟
- 张敏
- 徐圆
- 李新宇
- 陈涛
- 黄大荣
- 龙兵
- 刘冠军
- 周东华
- 张晶晶
- 张筱辰
- 朱群雄
- 李明
- 杨顺昆
- 王强
- 王祖光
- 王红军
- 王芳
- 肖明清
- 苟晓冬
- 邱静
- 郭锋
- 陈亮
- 高亮
- 高榕
- 黄考利
- 于劲松
-
-
吴丹;
甄昊涵;
雷珽;
陈津;
钱勇生;
李樵;
郑陆海
-
-
摘要:
随着电动汽车的大规模发展,公共充电桩运行数量和充电量逐年增长。然而,充电桩运行始终存在故障频发、运维难度大和维修成本高等问题,并且传统故障检测方法效率低下。因此提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合网络电动汽车充电桩运行状态预测方法,可以实现对电动汽车充电桩运行状况的综合评估。在特征数据输入阶段,对充电桩运行状态的关键指标进行分析,通过CNN提取运行状态影响因素的特征量,再利用LSTM判断和预测充电桩运行状态,从而实现对充电桩潜在故障的预警。试验结果表明,该方法预测准确率高、实用性强,能较准确地反映和预测充电桩的运作状态,可实际用于充电桩故障预测与运维检修。
-
-
高文俊;
薛斌斌;
庞振江
-
-
摘要:
针对智能电表故障具有的突发性、复杂性以及多面性等特点,提出一种基于时空卷积神经网络(ST-CNN)的故障预测方法。该方法首先采用滑动窗口将时间信息融入特征变量中,构建具有时空特性的输入矩阵,然后与CNN相结合,建立智能电表故障预测模型,并采用Adam算法对模型参数进行优化。最后应用现场的实际数据对基于ST-CNN的智能电表故障预测模型进行仿真,结果表明该方法预测精度高,泛化能力强。
-
-
宋文彬;
张栋;
吴斌
-
-
摘要:
新一代复兴号智能动车组搭载了车载故障预测与健康管理(PHM)系统,实现了动车组故障的预警、预测等功能。根据现阶段智能动车组车载PHM技术方案,重点阐述车载PHM系统应用现状,同时结合实际工作中地面PHM系统较为完善的开发应用经验,进一步探讨车载PHM系统与地面PHM系统相互融合的设计需求、技术方案及应用场景。
-
-
杜子学;
蒋大卫;
吴晶
-
-
摘要:
空调系统作为城市轨道交通的重要组成部分,直接影响到乘客乘坐的舒适性。对空调系统故障数时间序列的进行预测,有助于合理制定维修策略和零件采购方案,从而控制成本。针对空调系统故障数时间序列的预测问题,在分析故障数的周期性波动规律及变化趋势的基础上,结合Census X12季节调整方法,构建季节性自回归积分滑动平均模型(X12-ARIMA模型),并基于残差序列建立BP神经网络模型,将两个模型预测值相加得到改进的X12-ARIMA-BP模型的预测值,并与X12-ARIMA模型、BP神经网络模型、ARIMA-BP变权组合模型的预测值进行对比。以重庆轨道交通3号线为例,基于7年的空调系统月故障数据分别利用4种模型进行故障数拟合并预测。研究结果表明:相比实际值,改进的X12-ARIMA-BP模型的预测结果的平均绝对百分比误差为18.54%,比X12-ARIMA模型降低了6.38%,比BP神经网络模型降低了11.01%,比ARIMA-BP变权组合模型降低了4.75%;对比其它3种预测模型,改进的X12-ARIMA-BP模型预测效果最好。
-
-
胡小宁
-
-
摘要:
云数据中心的分布式应用故障具有复杂性、随机性等特点,导致应用的运行与维护(简称:运维)管理任务难度大、效率低。为此,提出一种云数据中心应用故障预测方法,构建基于门控循环单元(GRU,Gated Recurrent Unit)循环神经网络(RNN,Recurrent Neural Network)的云数据中心应用故障预测模型,对云数据中心的应用监控数据进行分析处理并预测将要出现的应用故障。试验结果表明,本方法预测精确率满足应用运维管理中故障提前发现和处理的相关要求,在降低应用运维管理难度和提升运维效率方面具有一定的实用价值。
-
-
吴丹;
王俊;
许燕
-
-
摘要:
充电桩运行的稳定性直接影响整体充电网络的运行效率,预测充电桩的故障可以为相关的运营管理提供有力的数据支撑,为此提出一种基于深度学习的公共充电桩故障预测模型。给出受限玻尔兹曼机模型,通过Gibbs采样法求得隐层单元的具体数值,归一化处理后将其加入逐层预训练中,得到深度受限玻尔兹曼机模型,以运维处理及时率、充电桩硬件质量、维修及时率、充电区停电时长计算运维影响指数,结合天气因素计算环境影响指数,二者融合实现综合预测模型的构建。仿真实验结果表明,所提模型的预测能力强且准确率高,具有一定的实际应用价值。
-
-
董道国;
朱建龙;
方瑾
-
-
摘要:
文章在常规建筑能耗和设备故障预测方法的基础上,根据智慧建筑中BIM模型数据和物联网数据融合形成的数据集,提出了基于BP神经网络的多任务学习方法,将建筑能耗和设备故障预测采用同一神经网络模型进行学习和预测,并阐述了网络结构及损失函数的设计方法,为建筑能耗和设备故障预测提供了新的思路,也为智慧建筑运维管理系统中的智能诊断服务提供算法基础,将人工智能技术真正地应用于智慧建筑运维管理系统之中。
-
-
李丹曦
-
-
摘要:
针对采煤机故障诊断与预测系统技术较为落后的现状,基于运用模糊控制、专家系统、神经网络三者相互结合的方法,提出了采煤机故障诊断与预测系统设计方案。通过对采煤机的结构与常见故障分析、故障诊断与预测系统模块设计分析,完成了此次采煤机故障诊断与预测系统各部分重点目标。通过实际测试后验证了采煤机故障诊断与预测系统可全面、准确判断故障原因,预测数据更为详细。通过对200个故障测试样本进行诊断预测实验,系统准确率为100%,可应用于实际生产之中。
-
-
梁秀霞;
庞荣荣;
郭鹭;
张燕
-
-
摘要:
过程安全对于间歇过程生产具有重要意义,为提高间歇过程生产安全性,提出一种基于改进粒子群算法(AMWPSO)优化长短期记忆网络(LSTM)的间歇过程故障预测模型AMWPSO-LSTM。针对LSTM中的神经元个数、迭代次数、学习率等参数需要人为设置的问题,采用AMWPSO对这些参数进行自动寻优。AMWPSO在原有粒子群优化算法(PSO)中融入了自适应变异和非线性递减惯性权重,提高了PSO的参数寻优能力。由于间歇过程具有多阶段性,因此先根据模糊C均值聚类(FCM)方法对间歇过程进行阶段划分,再利用Pearson相关系数对各阶段实验数据进行相关性分析,以降低系统变量的维数,并建立各阶段T;统计量控制限作为系统是否发生故障的指标。实验以青霉素发酵过程数据为例,建立基于AMWPSO-LSTM的多阶段故障预测模型,并将该模型的预测结果与基于LSTM的多阶段预测模型、基于PSO-LSTM的多阶段预测模型的预测结果进行比较,结果表明,基于AMWPSO-LSTM的多阶段故障预测模型可取得较高的预测准确度。
-
-
宋庭新;
韩国晨
-
-
摘要:
传统的定期维修策略常导致舰船装备欠维修和过维修。为提高维修决策的科学性,提出了一种基于预防性维修理念的舰船等级修理决策方法。根据舰船装备的技术状态和维修信息,对关键重要部件(简称关重件)进行失效模式和效果分析,确定其修理需求级别和修理范围;同时采用威布尔分布模型和极大似然估计法预测装备的中位寿命,并定义产生式规则;进而基于舰船-系统-关重件三级维修BOM结构,自下而上地进行逻辑决断和规则推理,确定整舰的修理等级和时机。在此基础上开发了舰船等级修理决策系统,并通过案例进行功能验证,该系统可以满足舰船等级修理自主决策的应用需求,为舰船的预防性维修提供了一种可行的途径。
-
-
-
-
王奕
- 《辽宁省通信学会2018年度学术年会》
| 2018年
-
摘要:
随着近几年移动通信基站数量增长,每天都会产生海量基站运行与告警数据.如何利用海量基站运行与告警数据提升基站运行维护水平是大数据时代亟须解决的问题.本文根据移动通信基站海量报警数据特点,结合深度学习技术,提出一种移动通信基站故障告警预测方法,该方法能提前对基站故障进行预测,降低基站维护的成本,提高基站运行的可靠性.
-
-
-
Panyuqian;
潘宇倩;
Fengwenjing;
冯文婧;
Zhanggong;
张弓
- 《第十二届中国卫星导航年会》
| 2018年
-
摘要:
星载故障预测和健康管理系统对于卫星在轨服务性能和安全稳定运行意义重大.本文以保证卫星连续稳定服务任务为目标,分析了影响任务成败和用户服务的关键因素,从故障诊断、性能评估、故障预测能力出发,考虑及时性和准确性需求,对卫星故障预测和健康管理系统进行了设计,并利用仿真软件建立了PHM模型.采用参数权衡法,对星载PHM系统进行了仿真,给出了系统分析评估的结果,可为面向服务的星载健康管理及预测系统设计和优化提供借鉴.
-
-
-
-
-