2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩129頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著中國經(jīng)濟(jì)的高速發(fā)展,各種散狀物料尤其是大宗工業(yè)原、燃料的貿(mào)易運(yùn)輸量急劇上升,使得散料貿(mào)易中動態(tài)稱量的要求越來越高。目前,如何長期保持≤0.1%的計(jì)量精度已成為國內(nèi)外諸多散料貿(mào)易中動態(tài)計(jì)量專家和科技工作者亟需解決的難題。機(jī)器學(xué)習(xí)的發(fā)展給傳統(tǒng)行業(yè)帶來了不一樣的色彩,隨著“互聯(lián)網(wǎng)+”戰(zhàn)略計(jì)劃的提出,傳統(tǒng)衡器行業(yè)將面臨新的轉(zhuǎn)型升級。本文以目前應(yīng)用最廣泛的散狀物料連續(xù)累計(jì)稱重設(shè)備——電子皮帶秤為研究對象,結(jié)合各種機(jī)器學(xué)習(xí)方法,對其累計(jì)計(jì)量精度

2、所涉及到的“皮帶效應(yīng)”、局部性故障、輸送帶跑偏、溫度變化等問題展開研究。
  在電子皮帶秤結(jié)構(gòu)組成和稱重原理基礎(chǔ)上,結(jié)合以往的實(shí)驗(yàn)經(jīng)驗(yàn),以累計(jì)計(jì)量的測量信號流程為研究脈絡(luò),對其累計(jì)計(jì)量精度的誤差源和耐久性問題進(jìn)行了深入討論研究,對影響精度最主要誤差源以及耐久性誤差源進(jìn)行了總結(jié)。通過研究總結(jié)發(fā)現(xiàn),需對運(yùn)行中電子皮帶秤的多個(gè)誤差因素以及各個(gè)故障狀態(tài)進(jìn)行實(shí)時(shí)在線監(jiān)測,并針對這些誤差因素變化以及不同故障狀態(tài)的不同程度建立一個(gè)具有較好泛化性

3、能和魯棒性的精度補(bǔ)償模型,以真正提高累計(jì)計(jì)量的耐久性。
  針對“皮帶效應(yīng)”,從梁理論出發(fā)對稱重力誤差進(jìn)行了機(jī)理研究,對陣列式皮帶秤“內(nèi)力理論”的理論公式進(jìn)行了推導(dǎo)。然后,以“內(nèi)力理論”對QPS皮帶秤全性能試驗(yàn)中心的4撐皮帶秤進(jìn)行精度補(bǔ)償試驗(yàn)。通過試驗(yàn)分析得出:無故障時(shí),精度可達(dá)OIML R502014(E)中的0.2級精度等級,即累計(jì)稱重誤差±≤0.1%;但當(dāng)存在輸送帶跑偏、稱重架卡料等一些故障時(shí),精度很不理想,需對故障狀態(tài)進(jìn)行

4、實(shí)時(shí)在線監(jiān)測,并加以補(bǔ)償。
  針對皮帶秤稱重區(qū)域內(nèi)的故障對稱重精度的影響,對故障的在線監(jiān)測方法進(jìn)行了研究。首先針對皮帶秤不同流量稱重?cái)?shù)據(jù)密度的不均勻,分別提出改進(jìn)型DENCLUE和改進(jìn)型DBSCAN,并都應(yīng)用于的稱重區(qū)域故障在線檢測,其中改進(jìn)型DENCLUE采用動態(tài)閾值法替代爬山法大大降低了算法復(fù)雜度,相比較于改進(jìn)型DBSCAN具有更好的聚類精度和更快的聚類速度;然后采用BRNN和改進(jìn)型BTSVM對檢測出來的故障進(jìn)行在線識別,最

5、后將識別出來故障碼、故障位置(即哪個(gè)稱重單元)、當(dāng)前托輥傳感器數(shù)據(jù)以及同一時(shí)刻正常數(shù)據(jù)的平均值作為故障特征。陣列式皮帶秤故障試驗(yàn)表明:“基于改進(jìn)型DENCLUE的在線檢測+基于改進(jìn)型BTSVM在線識別”模型具有更好的稱重區(qū)域故障在線監(jiān)測性能。
  針對皮帶秤輸送帶跑偏故障對稱重精度的影響,對輸送帶跑偏的在線監(jiān)測方法進(jìn)行了研究。研究引入流形學(xué)習(xí)和深層神經(jīng)網(wǎng)絡(luò),分別建立了基于LTSA+GRNN+SVM和基于CDBN+SVM的在線跑偏監(jiān)

6、測模型,模型能產(chǎn)生顯性非線性映射將原始稱重?cái)?shù)據(jù)壓縮成3維的跑偏特征。二者的訓(xùn)練結(jié)果以及試驗(yàn)測試結(jié)果表明,皆具有很好的跑偏識別精度,可取代傳統(tǒng)硬件檢測設(shè)備,但適合于不同工作場合,LTSA+GRNN+SVM很適用于皮帶秤稱重標(biāo)定較為頻繁、跑偏檢測實(shí)時(shí)性要求不是很高的情況,而CDBN+SVM非常適用于標(biāo)定不是很頻繁、但實(shí)時(shí)性和識別精度要求很高的情況。
  最后依據(jù)散狀物料連續(xù)稱重累計(jì)流量累加法計(jì)量原理,引入過程神經(jīng)網(wǎng)絡(luò)建立累計(jì)計(jì)量精度綜

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論