摘要：采用传统的人工识别方法很难确定核电风冷式冷水机组高压保护故障是源于翅片脏堵还是源于散热不良。本文采用基于统计学参数和机器学习的分析方法对冷水机组高压保护进行分类研究,经数据预处理和模型选择,提出一种基于统计学参数与SVM(支持向量机)算法的核电风冷式冷水机组高压保护故障诊断方法,故障识别率达96%,达到了行业专家分析水平。

摘要：桁架晶格作为一种特殊的空间结构,以其轻量化、高强度和设计灵活性等优点在多个领域得到广泛应用。本文利用晶格设计软件创建了多种单晶胞和阵列晶格模型,并通过SLM技术实现了铝合金桁架晶格结构的制造。在相同的SLM成形参数下,应优先选择那些没有或具有较小横向杆结构的阵列晶格。

摘要：空调系统自动故障诊断已经成为保障空调机组安全稳定运行的重要手段。针对传统机器学习方法难以自学习和适应故障时间序列特征从而准确性下降的问题,结合长短期记忆(Long-short Term Memory,LSTM)神经网络适用于处理高度时间相关性和高维耦合性数据的特点,本文提出了一种基于LSTM的故障时间序列分析方法处理典型的故障前后时序数据,搭建故障智能诊断模型。采集实际运行的风冷螺杆机组低压保护故障时间序列数据,用于训练LSTM网络。结果表明:基于LSTM网络的模型在测试集上分类准确率达92.86%,验证了其相对于传统的机器学习算法具有更高的准确度,随着数据量的提升,LSTM有望能发挥其更好的预测性能。