摘要：电梯自动化运行效率是保障民生安全不可或缺的重要因素之一。为了进一步提高电梯异常状态入侵检测能力,设计一种基于孤立森林的电梯异常状态非侵入式检测方法。该方法根据基线判断振动信号状态,通过内部特征尺度分解(ICD)信号特征,并采用孤立森林算法检测异常数据,具有实时效果。结果表明,振动分析结果位于2σ区间的数据比例超过95%,满足统计过程控制要求,能够获得可靠的结果;异常值检测结果均高于99.6%,选择正常值比例作为电梯系统状态判断指标,可以利用孤立森林模型对电梯运行状态与正常状态之间的差异性进行判断。

摘要：为使监测主机在变压器设备发生异常运行时能够发出预警,实现对变压器异常状态的精准诊断,设计基于声纹识别技术的变压器异常状态自动诊断方法。按照声纹识别技术应用原理,提取变压器异常运转情况下的时域特征、频域特征与梅尔倒谱特征,根据变压器指标权重的赋值结果,计算频率复杂度参量的取值范围,联合相关变量指标,求解频谱能量分布指数表达式,完成基于声纹识别技术的变压器异常状态自动诊断方法的设计。对比实验结果表明,在上述诊断方法作用下,变压器出现异常运行状态时,电压有效值始终不会超过预设警戒值,二者差值也始终小于5.0V,符合及时预警并精准诊断的实际应用需求。

摘要：网络时代高速发展的同时也伴随网络安全问题不断发生,常规的网络入侵防范系统效率不高,很难满足现代化的网络安全防范需求,因此提出异常状态实时监控下网络入侵防范系统设计这一课题。通过加入新设计的安全芯片、异常数据感应器和网络异常分析器,重新设计系统硬件。首先对大数据的整体进行采集,利用感应器感应数据异常并进行分析处理,并将异常数据进行转换处理,实现网络入侵的防范和异常数据的数据库更新。实验结果表明,与传统方法相比,本文系统在对异常信息的反应速度和识别正确率上都具有优势。

摘要：为了提升光纤网络异常状态分析效果,保障光纤网络安全运行,设计了基于数据驱动的光纤网络异常状态分析法方法。首先分析光纤网络异常状态分析的研究进展,找到引起光纤网络异常状态分析效果不佳的原因,然后采集光纤网络异常状态分析数据,采用模糊C均值聚类算法对原始数据进行处理,采用数据驱动技术—神经网络对处理后的数据进行学习和训练,分析光纤网络异常变化特点,建立光纤网络异常状态分析模型,最后与其他光纤网络异常状态分析方法进行了对比测试。实验结果表明:本方法可以准确判定各种类型光纤网络异常状态,提升了光纤网络异常状态分析正确率,正确率超过94%,光纤网络异常状态误检率控制在实际应用范围内,具有十分广泛的应用前景。

摘要：异常状态保护电路是保证电子镇流器安全可靠工作的重要辅助电路，本文结合实践提出了四种保护电路的基本形式，以供设计人员在设计电子镇流器时参考。

摘要：当前的智能教室建设中,相关设备异常状态智能预警流程多为独立结构,预警的覆盖范围受限制,是异常状态监测中的一个难点问题。因此,研究一种多媒体教室设备异常状态智能预警技术。根据当前的预警需求,首先进行异常特征识别,采用特征关联的方式,打破预警覆盖范围的限制。设计自适应预警流程及预警趋势分析,并构建人工智能教室设备异常状态智能预警模型,采用持续追踪标定的方式来完善智能预警结果。测试结果表明:所提方法的预警模糊预测值整体保持在0.80以上,预警均值误差接近0,且预警灵敏度高,说明此次所设计的多媒体教室设备异常状态智能预警技术高效、细化、针对性强,具有实际的应用价值。

摘要：为了提高电梯运行稳定性监控能力,设计了一种基于孤立森林模型的电梯运行异常状态在线检测方法。该方法可实时检测电梯加速度参数,振动状态主要依据基线判断,映射关系建立于电梯振动位置和能量间,电梯相关质量参数异常数据测试采用孤立森林算法实现。研究结果表明,振动能量主要集中于低频段,未观察到故障变化特征,也未检测出高频冲击信号,与人工测试获取的信息特点相符。在线测试正常值占比均高于99.6%,判断电梯正常状态及实际运行状态间差异时,主要应用了孤立森林模型。该研究有助于排除电梯运行故障,保障生命安全。

摘要：为解决大数据异常状态监测告警效果差、监测时间较长等问题,设计基于电力营商环境的大数据异常状态实时监测方法。基于优化多特征融合的采集算法,优化识别到的数据特征,设置筛选条件,剔除不包含特征的属性,将已采集到的高维数据进行降维处理,线性分类已降维的数据,得到电力营商环境中大数据的异常状态实时监测结果。实例测试结果表明,该方法采集误差均在0.2%以内,内存最高仅占用44.17MB,且具有较高的速率,能够较快实现异常状态的监测。

摘要：为了提高选煤厂煤炭输送设备异常状态识别的准确性,基于自动选取特征参数阈值和多维分析,研发出煤炭输送设备异常状态智能预警系统。现场实践表明:该系统能够有效识别选煤厂煤炭输送设备的异常状态,避免设备故障向更加严重的方向发展,有助于减少设备停机时间和维修成本。

摘要：为实现高精度监测电池电流需求,提出磷酸铁锂电池在电力应用中输出电流异常状态监测方法。利用电流传感器采集磷酸铁锂电池输出电流信号并对信号进行转换,利用扩展卡尔曼滤波技术降噪处理并进行归一化,进而修正信号误差,提取电流异常特征,识别异常状态。实验证明,设计方法漏检率在1%以内。