论文摘要
压缩机控制电路的健康状态管理在管道运输中至关重要。通常油气管道压缩机系统部署地点远离城市,环境恶劣,且负荷高、工作时间长,因此故障频发。构建可靠的健康状态检测模型通常需要大量的故障样本,然而在实际数据中,故障样本相对稀缺。采用一种基于自编码器(auto encoder,AE)的单分类方法对油气管道控制系统的异常状态进行辨识。该模型仅需对系统的正常工作状态进行学习,通过编码器可实现特征的自适应提取,从而对数据进行抽象表示,并获得较好的非线性映射能力;当数据分布异常时,系统可区分其与正常信号间的差异,并进行预警。实验部分采用西部输油管道控制系统中实地获取的通信解码信号以及电源信号进行验证,并以单分类支持向量机方法作对比实验,表明了所提出方法的有效性。
论文目录
文章来源
类型: 期刊论文
作者: 梁凤勤,高媛,刘功银,黄建国,周权,盛瀚民
关键词: 故障预警,故障诊断和健康管理,单分类学习,自编码器,深度学习
来源: 电子测量与仪器学报 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑,工程科技Ⅰ辑
专业: 石油天然气工业,无线电电子学,自动化技术
单位: 电子科技大学自动化工程学院,军委装备发展部某中心,中石油西部管道分公司
基金: 国家重点研发计划(2017YFC1501005),自然科学基金青年项目(61903066),博士后基金(2018M640905)资助项目
分类号: TE974;TN762;TP18
DOI: 10.13382/j.jemi.B1902526
页码: 10-18
总页数: 9
文件大小: 4582K
下载量: 62
相关论文文献
- [1].一种基于FOA与Autoencoder改进的聚类算法[J]. 河南大学学报(自然科学版) 2020(01)
- [2].基于AutoEncoder的增量式聚类算法[J]. 微电子学与计算机 2016(03)
- [3].一种基于AutoEncoder的RBF神经网络训练算法[J]. 中国科技信息 2015(09)
标签：故障预警论文; 故障诊断和健康管理论文; 单分类学习论文; 自编码器论文; 深度学习论文;