基于大数据的传感器异常诊断的智能算法研究

论文摘要

预拌混凝土行业在自动化生产过程中,因计量传感器会发生信号偏移等异常情况,可能导致计量偏差而影响预拌混凝土质量的稳定性,故对计量传感器进行异常诊断并做好异常预警,对于安全高效生产具有重要的指导意义。为实现计量传感器状态的实时监测与异常诊断,本文基于大数据技术,以历史数据加实时数据驱动的自学习方法,提出了一种傅里叶变换与移动平均-求和-自回归（ARIMA）相混合的智能化模型,实现异常诊断。为预防大数据预处理过程中将异常数据误清洗而屏蔽异常信号识别,本文采取傅里叶变换法对实时数据进行预处理,使时间序列平滑化,同时保留异常征兆,然后建立ARIMA模型完成数据的时间序列分析,并实现计量传感器异常预测。该异常诊断智能算法已应用于实际的搅拌站配料系统称重设备的异常诊断中,其方法的可行性得到验证。

论文目录

• 前言
• 1 一种新型的基于大数据的异常识别智能模型研究
•   1.1 基于傅里叶变换低通滤波法的数据预处理
•   1.2 面向异常趋势分析的ARIMA时间序列分析模型
• 2 实例研究
•   2.1 数据采集与预处理
•   2.2 信号平滑处理
•   2.3 建立面向异常发展趋势的时序模型
•   2.4 异常诊断结果讨论
• 结语

文章来源

类型: 期刊论文

作者: 张永辉,钟伟

关键词: 异常诊断,大数据,数据预处理,智能算法

来源: 混凝土世界 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 无机化工,建筑科学与工程,自动化技术

单位: 中建西部建设股份有限公司

分类号: TU528.52;TP212

页码: 56-61

总页数: 6

文件大小: 1100K

下载量: 166