计量学报

作者：朱建新,吕宝林,乔松,王溢芳,陈嘉宏

单位：1. 合肥通用机械研究院有限公司,安徽 合肥 230031; 2. 国家压力容器与管道安全工程技术研究中心,安徽 合肥 230031;

关键词：计量学;超声波流量计;高斯贝叶斯;智能诊断;主成分分析

基金：国家重点研发计划项目(2018YFF0215105);工信部智能制造综合标准化项目(工信厅装函［2018］265号);安徽省重点研发项目(1704a0902039);国机集团重大科技专项(国机科［2017］456号);合肥通用机械研究院有限公司博士基金(2018010618)

提出了基于多维高斯贝叶斯模型的设备故障智能诊断流程,包括数据的筛选与结构化分析、数据的降维、模型的构建、诊断结果的检验与分析等。研究表明采用主成分分析方法进行降维时,不同的诊断对象在降维参数的选择方面存在较大差别,诊断效果因诊断对象和样本数量的不同而有所差异。利用公开发表的超声波流量计数据库对流程进行验证。结果显示:针对B型流量计进行280次、C型流量计进行550次智能故障诊断,故障状态的首选正确识别率分别达到99.3%和95.1%,较k-最近邻(KNN)聚类分析算法有一定的优势。

来源：2020年第12期

《计量学报》期刊编辑部

查看计量学报杂志2020年第12期