張文婭,張 鵬,高祥斌
(1.北京信息科技大學自動化學院,北京100083;2.山東交通學院,山東 濟南 250357;3.臨沂大學,山東 臨沂 273400)
對磨齒機自動化裝料機械手電力變壓器異常狀態快速做出報警,并為進一步對設備故障模式評估及診斷修復,在工業機械化生產中,具有重要作用。當前階段,針對這一問題,以系統設備的在線運行狀態信息為基礎,檢測其異常狀態并對異常狀態發出相應的響應(報警)信號,從而進一步通過機器學習方法,判定磨齒機自動化裝料機械手電力變壓器的在線運行狀態[1]。
由于磨齒機自動化裝料機械手電力變壓器工作狀態下的各項運行參數類型繁多、數據量大等特點,將大數據分類技術引入磨齒機自動化裝料機械手電力變壓器運行狀態的在線檢測中,可充分捕獲設備運行狀態檢測的異常信息,有效彌補傳統檢測方法難以快速提取到候選異常狀態參量的問題,同時也能夠解決傳統人工檢測方式主觀性強,漏檢率高等問題。在線監測數據流的異常檢測方面具有很大的應用前景,具體如下:
(1)設備正常運行時,故障數據相對對較少,此時計算數據關聯關系,能夠為檢測設備故障數據提供保障。
(2)提升設備狀態數據的利用率,實現大數據表征。磨齒機自動化裝料機械手電力變壓器在線狀態數據具有取樣周期短、檢測點分布廣等特點,大數據挖掘能夠有效利用歷史數據,反映出設備狀態的變化。
(3)現階段磨齒機自動化裝料機械手電力變壓器在線故障檢測方面的研究多是試探性的,還沒有形成一個合理的,完善的評價模型。……