向量机的故障诊断信息记忆模型.pptVIP

; 针对故障信息动态累积且表现多样的特点，提出了基于一类支持向量机的机械故障诊断信息记忆模型。该模型对故障特征数据进行增量式一类支持向量机学习为研究清楚综采放顶煤开采模式下布置高抽巷后采空区的瓦斯运移规律，有针对性的提出相应的抽采措施以切实控制工作面的瓦斯浓度。 ;建立各故障类独立而封闭的分布空间，并利用最小决策函数值实现多类故障的混合辨识。提高管路的抽采浓度，引入了计算机流体力学CFD这一新技术。数值模拟结果表明，在靠近进风巷一侧的采空区浅部。 ;故障信息的独立记忆满足了故障类别的动态增加需要，分布空间的增量式调整容纳了新的故障特征。瓦斯浓度相对较低，越靠近回风侧，瓦斯浓度越高，而且随着距离工作面距离的增加，采空区瓦斯浓度越来越高。 ;从而实现了与免疫系统相似的信息记忆与应答过程。通过仿真数据与机械故障实例数据的验证。而综采放顶过后煤空隙较多，工作面新鲜风流进入高抽巷，对高抽巷抽采采空区瓦斯有一定的影响。 ;表明该记忆模型能够准确描述故障信息，在累积学习过程中不断提高诊断准确性。择了主动式测压方法。确定的测压点能准确表达出待测采掘范围内的煤层瓦斯压力。钻孔打好之后立即封孔，以确保测得的压力为原始煤层瓦斯压力。 ;End