基于机器学习的测温主机光纤受力异常故障识别方法

    公开(公告)号:CN115541061A

    公开(公告)日:2022-12-30

    申请号:CN202211241547.1

    申请日:2022-10-11

    Abstract: 本发明涉及一种基于机器学习的测温主机光纤受力异常故障识别方法,属于计算机领域。该方法为:建立RBF神经网络模型,将RBF神经网络模型算法置入单片机ROM,通过打开开关变量启动自学习的方法训练网络模型;设置样本数量N,在实验室模拟测温主机的工作环境,用加热器将测温主机的光纤的一个或多个点加热;在加热的过程中,持续采集测温点的Pa,Ps,To数据作为模型输入样本;对测温主机单片机内部的RBF网络模型进行在线学习,学习完成后将模型参数保存至ROM中;得出温度异常的结果向量,来判断当前的温度数据是否异常,如果RBF神经网络模型判断出当期的温度数据为异常,则输出异常告警或对当前的异常温度数据进行过滤。

    采样时延分布式多点激光甲烷检测系统及方法

    公开(公告)号:CN109916837B

    公开(公告)日:2021-08-17

    申请号:CN201910223865.7

    申请日:2019-03-22

    Abstract: 本发明公开了一种采样时延分布式多点激光甲烷检测系统及方法,其通过将特定光谱的激光光波转换成若干束光波,再利用光电探测单元探测波经各甲烷检测室中的甲烷吸收后的光信号并将其转换成电信号,然后通过处理器计算得到该电信号的采样系数X;当采样系数X大于等于0.98时,将采样得到的电信号进行甲烷浓度计算;当采样系数X小于0.98时,电信号波形自动延时一个采样点,直至修正后的电信号与驱动电流信号进行互相关处理得到的采样系数X大于等于0.98;最后对进行延时修正后的电信号进行计算处理,得到各通道采样的电信号波形对应的甲烷气体浓度。本发明可以实现长距离宽范围的多点检测,且具有测量准确度高,抗干扰能力强的特点。

Patent Agency Ranking