10.3969/j.issn.1674-9944.2022.04.057
基于数据挖掘技术的水质自动监测仪故障诊断及预测
研究了时域统计指标,如均方根(RMS)、波峰因子(CF)和峰度,利用振动数据的快速傅里叶变换(FFT)对所得分量进行了验证,训练了50个具有不同参数设置的神经网络(NNs),建立了基于原始振动数据和转换后的混动数据的模型.基于数据挖掘的Jerk模型优于其他模型,用于测试和验证以前未见的数据,执行了多达15个时间间隔的短期预测,每个时间间隔代表0.1 s,预测精度为91.68% ~94.78%.根据以上方案,采用数据挖掘算法得出了一种水质自动监测仪的故障诊断及预测的方法,以确定水质监测仪的故障部件及预测效果.
数据挖掘;故障诊断;水质检测仪;神经网络
24
X853(环境监测仪器设备)
2022-03-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
219-221