摘要：为实现对皮带运输机故障表现行为的准确诊断,最大化延长机械元件设备的寿命周期,针对基于图像识别的皮带运输机故障自动诊断方法展开研究。根据图像识别原则,处理故障信号的目标图像,再按照皮带运输机振动机理,建立完整的固有模态函数,完成对故障信号特征的提取与处理。按照动力学模型条件,确定故障行为的振动特性,得到时域同步诊断系数的计算数值,实现基于图像识别的皮带运输机故障自动诊断方法设计。实验结果表明,与基于改进堆叠降噪自动编码器的诊断方法相比,在图像识别原理作用下,对于皮带运输机故障表现行为的诊断准确度得到了明显提高,符合延长机械元件设备寿命周期的实际应用需求。

摘要：分析上海某火电厂实际生产数据,建立基于Elman神经网络的火电厂发电量滚动预测模型,根据发电量历史数据本身的动态特性预测未来发电量数据,预测精度较其他算法有明显提高。将火电厂年发电量预测数据与年耗煤量数据相结合,计算出混煤平均发热量,将其作为配煤影响指标,与通过设计煤种参数构建的控煤约束指标共同构成控煤目标函数,与经济目标函数建立多目标配煤模型,采用改进交叉、变异概率的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)进行模型求解,使其更符合配煤特点。提出一种基于火电厂发电量预测的多目标配煤方法,结果表明:该配煤方法不仅充分考虑耗煤量和煤质特性约束情况,还将整个模型应用于实际配煤过程,提高了配煤结果的可靠性、实用性和灵活性,并使电厂获得了较好的经济效益。