中文字幕三区_黄色片香蕉视频_精品福利一区二区三区免费视频 _精品一区久久

通過被觀測對象在非正常工作狀態下所表現出來或可監測到的異常現象(振動、噪聲、污染、溫度、電磁場等)進行電纜故障診斷，并基于趨勢分析進行電纜故障預測。大多數機械產品由于存在明顯的退化過程，多采用這種電纜故障診斷與預測方式。
基于異常現象信息進行電纜故障診斷與電纜故障預測的一個主要問題是異常信息往往被正常工作噪聲所掩蓋。特別是在發電廠等工作環境，采用振動或噪聲分析手段對電機進行電纜故障診斷與預測時，狀態異常引起的振動或哄聲比本身環境振動或噪聲小很多數量級。另一個問題是異常現象是宏觀的系統級的，而故障原因卻是部件級、材料級的，一種現象常存在多種可能的原因，導致故障定位困難。
基于異常現象信息進行電纜故障測試儀故障診斷與電纜故障預測的任務是基于歷史統計數據、故障注入獲得的數據等各類已知信息，針對當前產品異常規象特征．進行故障損傷程度的判斷及電纜故障預測。概率分析方法、人工神經網絡、專家系統、模糊集、被觀測對象物理模型等都可以用于建立異常現象與故障損傷關系模型。
概率趨勢分析模型
此類方法通過異常現象對應的關鍵參數集，依據歷史數據建立各參數變化與故障損傷的概率模型(退化概率軌跡)，與當前多參數概率狀態空間進行比較，進行當前健康狀態判斷與趨勢分析。通過當前參數概率空間與已知損傷狀態概率空間的干涉來進行定量的損傷判定，基于既往歷史信息來進行趨勢分析與電纜故障預測。
概率趨勢分析模型已用于禍輪壓縮機氣道等的電纜故障預測，主要監控效率、壓縮比、排氣溫度、燃油流量等四個參數。
基子系統模型進行趨勢分析
此類方法利用建立被觀測對象動態響應模型(包括退化過程中的動態響應)，針對當前系統的響應輸出，進行參數辨識，對照正常狀態下的參數統計特性，進行故障模式確認、電纜故障診斷和電纜故障預測。這種方法提供了一種不同于概率趨勢分析、ANN的途徑，具有更高的置信度和故障早期預報能力。
數據融合及綜合診斷與預測
綜合利用來自多種信息源的、多參數、多傳感器信息，以及歷史與經驗信息，以減小電纜故障診斷與預測的差錯，提高置信度，是數據融合的根本任務。
電纜故障診斷與預測中的數據融合可以在三個層次進行；①傳感器層融合，沒有信息丟失，但傳輸與計算量大；②特征層融合，特征提取時有信息丟失；③推理層融合。典型的數據融合過程包括在特征層融合時采信傳感器層的關鍵原始數據，推理層融合時采信相似產品可靠性統計數據或專家經驗知識。
信息整理：揚州拓普電氣科技有限公司   信息來源：m.scedyrmrs.cn