-
公开(公告)号：CN112381123A
公开(公告)日：2021-02-19
申请号：CN202011185806.4
申请日：2020-10-30
Applicant: 鄂尔多斯应用技术学院
Abstract: 本发明公开了一种基于时间序列预测方法的采煤机故障预测方法，涉及计算机技术与故障预测交叉的研究技术领域，使用非线性方法中的支持向量机方法，依据训练样本训练出一个预测器，对后续时间序列进行预测，具体方案为：包括以下步骤：获取惩罚参数C和核函数参数，粒子群算法从n个随机粒子开始计算，每个粒子都作为一个候选解，每个粒子都是一个m维向量；包括以下步骤：初始化解空间，粒子评价，粒子更新，结果校验。粒子群算法对于求解极值最优问题应用较为广泛，粒子群算法根据约束范围内的所有可能的粒子，计算适应度值，通过不断的迭代，最终得到相应的极值最优解。
-
公开(公告)号：CN112329817B
公开(公告)日：2024-03-15
申请号：CN202011082621.0
申请日：2020-10-12
Applicant: 鄂尔多斯应用技术学院
IPC: G06F18/241 , G06F18/214 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种基于神经网络的采煤机稳态样本分析方法，涉及神经网络的学习技术领域，包括以下步骤：通过对采煤机负样本数量进行判定，以实施不同的学习过程，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题，本发明提供的采煤机稳态样本分析方法按照采集到的数据类型，分别使用相对应的神经网络算法进行采煤机稳态样本分析；定义了三种故障数据情况下数据类型，并设计了相应的神经网络算法以及具体的操作过程。
-
公开(公告)号：CN112983545B
公开(公告)日：2023-12-26
申请号：CN202110195960.8
申请日：2021-02-22
Applicant: 鄂尔多斯应用技术学院
Abstract: 本发明公开了一种基于SDG模型的采煤机故障寻踪方法，涉及煤矿设备故障检测技术领域，包括以下步骤：S1：根据采煤机系统组成及部件层次关系建立结构模型；S2：根据结构模型，加入具体的状态变量，得到多个系统模块；S3：对多个系统模块进行定性分析，生成多个节点，并建立因果模型，得到相容通路；S4：建立云模型，对因果模型进行定量分析，得到分析结果。本发明提出了一种基于SDG模型的采煤机故障寻踪方法，弥补了SDG模型不能作定量讨论的缺点，并且将实际情况中故障传播的随机性考虑进去。云模型将随机性以及模糊性结合起来，可以对传播过程进行定量考量，也能对未测节点的状态值做出预测。
-
Patent Agency Ranking
公开(公告)号：CN113379179A
公开(公告)日：2021-09-10
申请号：CN202110330440.3
申请日：2021-03-24
Applicant: 鄂尔多斯应用技术学院
Abstract: 本发明属于采煤机故障检测技术领域，公开了一种基于后勤保障的采煤机故障模式影响及危害性分析方法，包括：S1、确定LSAFMEA分析候选项；S2、建立LSAFMEA候选项的FMEA报告；S3、将每个LSAFMEA候选项的FMEA报告的故障模式进行分组合并，形成新的LSA故障模式，并将对应数据并入新的LSA故障模式；S4、确定LSAFMEA候选项的每个LSA故障模式的故障检测方法；S5、根据所述LSA故障模式的故障检测方法，确定故障定位能力；S6、确定维修任务分析需求；S7、编写LSAFMEA分析报告。本发明能够找到采煤机整个产品全生命周期阶段的薄弱环节，可以作为产品质量评价和改进的重要决策依据，以及采取适当措施消除或减轻这些影响，从而提高采煤机系统的可靠性和安全性，满足运行要求。
-
公开(公告)号：CN112983545A
公开(公告)日：2021-06-18
申请号：CN202110195960.8
申请日：2021-02-22
Applicant: 鄂尔多斯应用技术学院
Abstract: 本发明公开了一种基于SDG模型的采煤机故障寻踪方法，涉及煤矿设备故障检测技术领域，包括以下步骤：S1：根据采煤机系统组成及部件层次关系建立结构模型；S2：根据结构模型，加入具体的状态变量，得到多个系统模块；S3：对多个系统模块进行定性分析，生成多个节点，并建立因果模型，得到相容通路；S4：建立云模型，对因果模型进行定量分析，得到分析结果。本发明提出了一种基于SDG模型的采煤机故障寻踪方法，弥补了SDG模型不能作定量讨论的缺点，并且将实际情况中故障传播的随机性考虑进去。云模型将随机性以及模糊性结合起来，可以对传播过程进行定量考量，也能对未测节点的状态值做出预测。
-
公开(公告)号：CN112633345A
公开(公告)日：2021-04-09
申请号：CN202011493283.X
申请日：2020-12-17
Applicant: 鄂尔多斯应用技术学院
IPC: G06K9/62 , G06F16/248
Abstract: 本发明公开了一种基于多视图方法的采煤机数字字典的建立方法，包括以下步骤：S1、数据采集：根据参数和与参数对应的数据，建立数据采集单元；S2：数据处理：采用最大最小归一化方法分别对S1获取的数据集进行归一化处理，得到范围在[0，1]之间的数据；档位性的状态性数据，定义参数数值关闭为0，最大档位为1，中间档位在0—1之间均匀赋值；并将处理后的数据存储到对应的存储单元中；S3：特征提取：对多个数据集通过降维处理，创建多样化特征数据；S4：数据对比：将S3得到的多样化特征数据与稳态样本进行对比，得到分析结果，生成数字字典。本发明采用多个视图即数据集来表示故障情况，能够获取到不同的特征信息。
-
公开(公告)号：CN113987918A
公开(公告)日：2022-01-28
申请号：CN202111135591.X
申请日：2021-09-27
Applicant: 鄂尔多斯应用技术学院
Abstract: 本发明公开了一种自润滑材料摩擦层磨损状态预测方法，涉及材料磨损领域，该方法包括以下步骤：S1：使用Minitab软件应用回归模型和方差分析研究磨损参数对材料磨损量损失的影响；S2：利用支撑向量回归器生成的线性平面函数进行磨损量损失预测；S3：针对非线性支持向量机的情况，使用PSO算法对惩罚参数和核函数参数进行筛选和取值，并对磨损量进行预测；S4：使用深度胶囊网络中对磨损量进行预测；S5：将3种方法得到的鞠策结果进行比较，得出最可靠的预测模型和方法。采用本发明的技术方案利用回归方差模型、向量回归机和胶囊网络三种方法来对自润滑材料的摩擦层摩擦磨损状态进行预估，以得到较为准确的预估模型。
-
公开(公告)号：CN112329817A
公开(公告)日：2021-02-05
申请号：CN202011082621.0
申请日：2020-10-12
Applicant: 鄂尔多斯应用技术学院
Abstract: 本发明公开了一种基于神经网络的采煤机稳态样本分析方法，涉及神经网络的学习技术领域，包括以下步骤：通过对采煤机负样本数量进行判定，以实施不同的学习过程，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题，本发明提供的采煤机稳态样本分析方法按照采集到的数据类型，分别使用相对应的神经网络算法进行采煤机稳态样本分析；定义了三种故障数据情况下数据类型，并设计了相应的神经网络算法以及具体的操作过程。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
