通过机器学习算法对这些数据进行挖掘进而告警预测，可以对银行故障进行主动告警排查，最大限度保证银行业务的正常运作。图6-12银行故障告警系统架构图6-13机器学习模拟生成流程示意图该系统中数据的特性：数据量很大，属性之间可以近乎满足独立性并且数据有一定的缺失，选择朴素贝叶斯、支持向量机和EM的组合算法作为该系统的机器学习算法。......
2023-06-28
地铁信号设备故障预测优化方案
【摘要】：当信号设备出现故障，后果往往是大面积的列车晚点，严重的故障甚至造成地铁安全性事故。目前各城市的地铁运营公司主要通过设备日常性维修来保证信号设备的稳定性，减少设备出现故障。故障预测系统模型采用BP神经网络来建立，BP神经网络在数据预测方面有其先天优势，可以无限逼近事物的未来趋势。通过实践应用验证了本地铁信号设备故障预测系统的正确性和可用性。
在城市轨道交通行业，地铁信号系统作为列车运行的智能控制系统，其设备故障直接影响到列车的正常运行，导致运营服务质量的下降，做好地铁信号设备的故障管理对于提高地铁运营服务质量有着很重要的意义。
地铁作为城市的交通基础设施，其运行的安全性和稳定性对于城市交通的重大意义不言而喻，每一次的设备故障和列车晚点都关乎百万乘客的出行。在地铁这个庞大的系统中，信号系统作为列车运行的智能控制系统，负责控制列车的运行速度、列车的自动驾驶、列车的正点出发和正点到达，管理着一条地铁线上所有列车的运行间隔和安全。地铁信号系统是由一系列的电子、计算机、机械等设备组成的一个复杂自动控制系统，其主要作用是用来保障列车的行车安全和提供行车效率。当信号设备出现故障，后果往往是大面积的列车晚点，严重的故障甚至造成地铁安全性事故。在地铁运营服务期间，信号系统如出现故障而不能正常工作，就意味着列车运行受阻，列车晚点，乘客滞留，地铁服务质量下降。
信号系统的安全性和稳定性是地铁运营管理方日常极为关注的，怎样减少信号设备故障，怎样预防信号设备故障，是一项极具意义的课题。目前国内有地铁运营的城市如北京、上海、广州、深圳、南京等，其地铁信号系统本身只具有基本的故障报警功能，只有当设备出现异常或故障时，才会被监控人员发现从而开始进行故障处理。这种情况带来的后果就是往往故障处理是随机的，故障设备的地点、种类、形式都是随机的，这对于地铁信号的检修人员来说缺少预先设备，没有明确的维修目标，无法在短时间内将设备故障处理好，导致设备停机甚至中断地铁运营服务。
目前各城市的地铁运营公司主要通过设备日常性维修来保证信号设备的稳定性，减少设备出现故障。通过计划的年度、季度或月度检修对设备进行保养性维修，而对于设备故障则是事后维修，只有当设备出现故障后，才开展相应的维修工作，事前很少有方法预测故障。本案例着重于根据地铁信号系统的历史故障数据和各种性能参数数据，结合神经网络知识，提出预测信号设备故障的方法，为地铁信号设备的预防性维修提供技术支持。
目前的微机信号检测系统24h实时监测，能够实时监测到信号系统中各设备的状态，维修部门能够通过微机监测系统记录的设备状态数据和故障数据，及时掌握设备状态信息和进行故障分析，极大地方便了维修人员的集中监控和集中调度指挥。
根据信号设备故障管理的需求，设计一个地铁信号设备故障预测系统，利用信号设备的历史故障数据和运行性能参数，可通过该故障预测系统来预测设备故障情况。故障预测系统模型采用BP神经网络来建立，BP神经网络在数据预测方面有其先天优势，可以无限逼近事物的未来趋势。通过选择合适的网络参数，建立可靠的BP神经网络。以历史数据和运行参数作为输入和输出，对建立的BP神经网络进行训练和仿真，不断地调整网络参数以达到预期的性能和目标。
根据此系统采集到的数据，构建人工智能神经网络，从而做出最优的预测模型。对于所构建的故障预测系统，神经网络的输入参数就是8类设备的运行参数，输出是设备的预测故障概率，故网络的输入层就是8，即8类设备的运行参数，输出层数是1，即输出变量为设备发生的故障概率。此种选择对以每天、每周或每年的故障预测也是同样的，只是采用的历史数据时间不同而已。对于隐含层数目的优化确定，根据样本数据得到的最优层数为13。优化算法采用的是贝叶斯正则化算法，抑制过拟合，激活函数为tanh。
为了验证训练方式的鲁棒性，对处理后的样本数据进行了多次训练，然后用测试样本对训练过程的网络进行测试，测试结果如表12-3所示。
表12-3 地铁信号设备故障预测准确率
由上面分析结果可知，本案例设计的神经网络预测地铁信号设备故障状态正确率超过90%，比传统预测结果的正确率高，其高效性和精确度都是不言而喻的。通过实践应用验证了本地铁信号设备故障预测系统的正确性和可用性。
有关工业智能技术与应用的文章
- 详细阅读
-
特种设备故障检测与预测详细阅读
特种设备的使用时间越长，发生故障的概率越高。这类故障与特种设备的磨损、腐蚀、疲劳及蠕变等过程有密切关系，事先都有征兆出现，能通过早期检测或试验来预测。这种作用已超出了特种设备所能承受的限度。指特种设备正常运行时由于磨损所引起的故障，即设计时预定的正常损耗过程，它反映了特种设备的寿命。指由于特种设备的某个环节所承受的力在允许的最大极限范围时丧失了使用功能而造成的故障。......
2023-11-22
-
状态指示与故障信号处理电路优化方案详细阅读
状态指示、故障信号处理电路用于对发射机的一些运行状态及故障信号进行处理，再提供给微机控制器的输入/输出接口电路，电路如图6-39所示。图6-39状态指示、故障信号处理电路R32、R33、R66是阵列电阻，在这里用作上拉电阻。......
2023-06-26
-
设备状态监测与故障诊断的融合优化方案详细阅读
在实际工作中遇到的问题通常需要综合各学科的知识才能够解决，设备状态监测与故障诊断技术也不例外。由此可见，设备状态监测与故障诊断技术包括识别设备状态和预测发展趋势两方面的内容。图11.7设备状态监测与故障诊断的三个阶段在这信息和信号中，有些是有用的，能反映设备故障发生部位的症状，这种信息称为征兆或故障征兆；有些并不是诊断所需要的信号，因而需要处理和排除。......
2023-06-22
-
刀具磨损预测技术优化方案详细阅读
图12-4刀具磨损曲线监测信号的处理分析以及特征的提取是刀具状态监测的关键技术之一。近年来越来越多的学者利用BP神经网络来研究刀具磨损检测技术问题，利用人工神经网络预测刀具磨损是可行的也是科学的。以高速铣削过程中刀具的磨损状态为研究对象，利用刀具在不同磨损状态下的铣削力信号对不同监测技术进行研究，建立了基于BP神经网络预测......
2023-06-28
-
备料加工设备优化方案详细阅读
表11-2 GYX-nM钢材预处理装置技术数据图11-7 GYX-nM钢材预处理成套设备2.开卷落料线板厚0.5～6mm的钢板，钢厂有卷料供应，特别供汽车制造用钢板，厚度在0.6～2.3mm的范围内，几乎100%采用卷料，最大卷料重量已由33t发展到45t，板宽最大至2600mm。表11-3 数控板料开卷校平剪切线开卷落料自动线 厚度0.55～2.6mm，板宽1830mm的卷料钢板开卷、落料、堆垛生产线是汽车制造厂等冲压生产线的前置设备，见图11-8。通用切割设备 通用切割设备是泛指切割板料设备的统称。......
2023-07-02
-
流域污染负荷预测技术优化方案详细阅读
按照0.9的排放率，南沙河流域2020年点源污水量约为20.78万m3/d。非点源污染负荷预测。考虑目前南沙河流域内监测资料较少，本次规划中的非点源污染量计算采用国家环境保护总局下发的《全国水环境容量核定技术指南》提供的输出系数法经验模型，分农业、生活和城市径流污染三方面计算非点源污染负荷，计算方法见式和式。将城市径流和农业污染累加得到一年内非点源污染输入量，南沙河干流年入河COD113.4t以及氨氮22.7t。......
2023-06-26
-
如何正确润滑设备？—优化润滑技术，避免设备故详细阅读
其中80％的零件损坏是由于异常磨损引起的；60％的设备故障由于不良润滑引起；54％的轴承失效是由于不良润滑引起的。2)高温固体润滑。②润滑油是设备润滑应用得最广泛的润滑剂。高温下工作的机械设备，如空气压缩机、内燃机、气锤等要求润滑油具有较高的闪点。贮存和使用中的润滑油酸值增高，表示润滑油的氧化变质。如空气压缩机、内燃机等设备使用的润滑油，残炭指标应低。......
2023-06-21
相关推荐