数据驱动的机械系统网络构建与异常监测方法研究.pdfVIP

数据驱动的机械系统网络构建与异常监测方法研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

30现代制造技术与装备2024年第12期总第337期

数据驱动的机械系统网络构建与异常监测方法研究

李伊张帆刘天赐周凡越焦国龙

(北华航天工业学院,廊坊065000)

摘要:针对机械系统日益复杂所带来的故障诊断与异常监测难题,结合系统的整体性特点,利用复杂网

络技术和系统运行过程数据,实现机械系统的网络模型构建与异常监测。首先,运用改进的余弦相似度算法计

算节点之间的相关性等级,并据此完成网络模型的构建;其次,在时域范围内计算图序列之间的距离,分析系

统在某一时间的相对异常情况,进而判断系统是否产生异常行为;最后,借助自回归滑动平均(AutoRegressive

MovingAverage,ARMA)模型理论进行系统状态的预测。应用滚动轴承的运行数据对所提方法进行验证,结果

表明模型能够准确监测出系统发生异常的时间节点,且能很好地预测系统后续的运行状态。

关键词:复杂网络;异常监测;状态预测;图距离;自回归滑动平均(ARMA)模型

ResearchonData-DrivenMechanicalSystemNetworkConstruction

andAnomalyMonitoringMethods

LIYi,ZHANGFan,LIUTianci,ZHOUFanyue,JIAOGuolong

(NorthChinaInstituteofAerospaceEngineering,Langfang065000)

Abstract:Aimingatthedifficultyoffaultdiagnosisandanomalymonitoringcausedbytheincreasingcomplexityofmechanical

system,combinedwiththeintegralcharacteristicsofthesystem,complexnetworktechnologyandsystemoperationprocessdata

areusedtorealizethenetworkmodelconstructionandanomalymonitoringofmechanicalsystem.Firstly,theimprovedcosine

similarityalgorithmisusedtocalculatethecorrelationlevelbetweennodes,andthenetworkmodelisconstructedaccordingly.

Secondly,thedistancebetweenthegraphsequencesiscalculatedinthetimedomaintoanalyzetherelativeabnormalsituation

ofthesystematacertaintime,andthenjudgewhetherthesystemproducesabnormalbehavior.Finally,withthehelpofAuto

RegressiveMovingAverage(ARMA)model,thesystemstateispredicted.Theproposedmethodisverifiedbytherunningdataof

therollingbearing.Theresultsshowthatthemodelcanaccuratelymonitorthetimenodeoftheabnormalsystemandpredi

文档评论(0)

你就是我的小鱼鱼 + 关注
实名认证
文档贡献者

教师资格证持证人

该用户很懒,什么也没介绍

领域认证该用户于2024年10月18日上传了教师资格证

1亿VIP精品文档

相关文档