基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在自动控制回路的运行过程中,阀门可能会出现粘滞,导致回路发生振荡,控制性能下降.针对阀门粘滞检测问题,提出一种基于全卷积网络的阀门粘滞自动检测方法.使用仿真模型生成阀门正常和出现粘滞时的控制器输出以及过程变量数据,并以此对全卷积网络进行训练.在线应用时,将待测回路的运行数据经过预处理后输入训练好的网络中,以得到阀门粘滞检测结果.在某火电厂的密封水控制回路数据以及公开数据集上的实验结果表明,该方法能够准确地进行阀门粘滞检测.
推荐文章
基于自适应特征卷积网络的行人检测方法
行人检测
卷积神经网络
浅层细节特征
自适应特征
基于全卷积神经网络的遥感图像海面目标检测
YOLOv3
全卷积神经网络
遥感图像
目标检测
基于全卷积神经网络和多核学习的显著性检测
显著性检测
深度学习
全卷积神经网络
多核学习
监督学习
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于全卷积网络的阀门粘滞检测方法
来源期刊 浙江电力 学科
关键词 阀门粘滞 全卷积网络 多变量时间序列
年,卷(期) 2021,(2) 所属期刊栏目 发电技术|Generation Technology
研究方向 页码范围 105-111
页数 7页 分类号 TH134
字数 语种 中文
DOI 10.19585/j.zjdl.202102018
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (124)
共引文献  (2)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1977(2)
  • 参考文献(0)
  • 二级参考文献(2)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(9)
  • 参考文献(0)
  • 二级参考文献(9)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(11)
  • 参考文献(1)
  • 二级参考文献(10)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(16)
  • 参考文献(1)
  • 二级参考文献(15)
2016(10)
  • 参考文献(2)
  • 二级参考文献(8)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
阀门粘滞
全卷积网络
多变量时间序列
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江电力
月刊
1007-1881
33-1080/TM
大16开
杭州朝晖八区华电弄1号
1979
chi
出版文献量(篇)
4305
总下载数(次)
6
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导