典型文献
基于边云协同的温度仪表漂移故障诊断方法
文献摘要：
温度仪表是流程工业仪控系统的核心组件,仪表漂移故障发生率较高但却难以察觉.为此,文中提出基于边云协同的温度仪表漂移故障诊断方法,在边缘端部署线性回归模型进行温度仪表测量值预测;在云端部署基于stacking的集成学习模型实现精确漂移故障诊断.仅当边缘端检测出异常时触发云端集成学习诊断模型.文中以风力发电机实际运行数据对于所述方法进行验证,实验结果表明文中所述方法能够在基本不损失诊断准确性的同时大幅缩减诊断时间与计算负载.
文献关键词：
温度仪表;故障诊断;边云协同;集成学习;故障预检
中图分类号：
作者姓名：
何天放;王锴;徐皑冬;曾鹏
作者机构：
中国科学院网络化控制系统重点实验室,辽宁沈阳 110016;中国科学院沈阳自动化研究所,辽宁沈阳 110016;中国科学院机器人与智能制造创新研究院,辽宁沈阳 110016;中国科学院大学计算机科学与技术学院,北京 100049
文献出处：
引用格式：
[1]何天放;王锴;徐皑冬;曾鹏-.基于边云协同的温度仪表漂移故障诊断方法)[J].仪表技术与传感器,2022(06):88-94
A类：
故障预检
B类：
边云协同,温度仪表,漂移,故障诊断方法,流程工业,仪控系统,故障发生率,察觉,边缘端部署,线性回归模型,测量值,云端部署,stacking,集成学习模型,模型实现,常时,学习诊断,诊断模型,风力发电机,实际运行,运行数据,明文,诊断准确性,诊断时间
AB值：
0.32022
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
