【摘 要】
：
针对现有矿用设备监测数据精度不高、数据分析能力弱、智能化程度不高等问题,提出了一种矿用设备智能安全监测与预知维护系统。该系统通过基于模拟退火算法的智能数据预选模
【机 构】
：
淮北职业技术学院计算机科学技术系,安徽理工大学电气与信息工程学院
【基金项目】
：
国家自然科学基金资助项目(51874010),北京理工大学高精尖机器人开放性研究项目(2018IRS16),物联网关键技术研究创新团队项目(201950ZX003)
论文部分内容阅读
针对现有矿用设备监测数据精度不高、数据分析能力弱、智能化程度不高等问题,提出了一种矿用设备智能安全监测与预知维护系统。该系统通过基于模拟退火算法的智能数据预选模型对矿用设备安全监测数据进行预处理,筛选出阈值范围内的数据,以剔除数据中的异常值;利用基于卷积神经网络的智能安全预知维护模型,使用不同大小的卷积核进行双通道卷积,多样化提取筛选后的数据特征,并与矿用设备历史状态样本数据进行对比,从而判断矿用设备运行状态,进而提供相应的设备预知维护方案。实验结果表明,该系统在矿用设备运行状态判断及预知维护方面具有较高
其他文献
针对转型时期所出现的或者加剧了的种种社会丑恶现象,人们不禁回应着狄更斯在<双城记>开篇中的描述:'这是最好的时期,也是最坏的时期;这是智慧的时代,也是愚蠢的时代;这
针对现有移动机器人单目视觉定位算法在光照变化和弱光照区域表现较差、无法应用于煤矿井下光照较暗场景的问题,通过非极大值抑制处理、自适应阈值调节等对快速特征点提取和描述(ORB)算法进行改进,采用随机抽样一致性(RANSAC)算法进行特征点匹配,提高了煤矿井下弱光照区域的特征点提取和匹配效率。针对仅靠单目视觉定位无法确定机器人与物体的距离及物体大小的问题,采用对极几何法对匹配好的特征点进行视觉解算,通
针对传统的采煤机摇臂齿轮故障诊断方法不能自主提取特征,导致齿轮故障诊断精度和效率不佳等问题,构建了基于深度残差网络(ResNet)的采煤机摇臂齿轮故障诊断模型。通过预激活
陈詠明先生在《学术界》2001年第6期上发表了一篇题为《学术研究的豆腐渣工程》的批评文章,对李申先生的大著《中国儒教史(上)》提出了批评.为此,李申先生发表了一篇题为《什
随着美国<金融服务现代化法>的实施,国际金融进入了混业经营的新时代,金融机构并购浪潮此起彼伏,业务界限越来越模糊,银行不再是唯一能提供信用的机构,保险公司与投资银行争