CN113065735A - 智能化蒸汽泄露辨别平台 - Google Patents
智能化蒸汽泄露辨别平台 Download PDFInfo
- Publication number
- CN113065735A CN113065735A CN202011555171.2A CN202011555171A CN113065735A CN 113065735 A CN113065735 A CN 113065735A CN 202011555171 A CN202011555171 A CN 202011555171A CN 113065735 A CN113065735 A CN 113065735A
- Authority
- CN
- China
- Prior art keywords
- equipment
- steam
- neural network
- network
- measurement data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明涉及一种智能化蒸汽泄露辨别平台,包括:湿度传感机构,包括N个湿度传感设备,分别设置在被监控车间内部的N个不同位置,用于分别所述N个不同位置分别对应的N个湿度传感数据;信息转换设备,用于对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据;网络运行设备,用于将所述N个二进制测量数据作为循环神经网络的输入数据并运行所述网络运行设备,以获得存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据。通过本发明,能够在针对性设计的循环神经网络的基础上,对被监控车间整体是否存在蒸汽设备蒸汽泄露现象进行现场检测,从而避免出现蒸汽泄露的误判。
Description
技术领域
本发明涉及蒸汽机械领域,尤其涉及一种智能化蒸汽泄露辨别平台。
背景技术
蒸汽机是将蒸汽的能量转换为机械功的往复式动力机械。蒸汽机的出现曾引起了18世纪的工业革命。直到20世纪初,它仍然是世界上最重要的原动机,后来才逐渐让位于内燃机和汽轮机等。
蒸汽机需要一个使水沸腾产生高压蒸汽的锅炉,这个锅炉可以使用木头、煤、石油或天然气甚至可燃垃圾作为热源。蒸汽膨胀推动活塞做功。
蒸汽机主要由汽缸、底座、活塞、曲柄连杆机构、滑阀配汽机构、调速机构和飞轮等部分组成。汽缸和底座是静止部分。
在蒸汽锅炉中,通过燃烧过程水沸腾为蒸汽。通过管道蒸汽被送到汽缸。阀门控制蒸汽到达汽缸的时间,经主汽阀和节流阀进入滑阀室,受滑阀控制交替地进入汽缸的左侧或右侧,推动活塞运动。蒸汽在汽缸内推动活塞做功,冷却的蒸汽通过管道被引入冷凝器重新凝结为水。这个过程在蒸汽机运动时不断重复。
一般的蒸汽机有三个汽缸组成一个组。蒸汽机直接将活塞的上下运动转化为船轴的旋转运动。新造的蒸汽机中还包含了一个小的涡轮机,从汽缸中出来的蒸汽还可以利用它的余热在推动这个涡轮机来提高整个驱动装置的效率。这个涡轮机也与船的螺旋浆轴相连。
当前,在被监控车间如果出现蒸汽设备蒸汽泄露,一方面会对被监控车间的整体环境造成影响,另一方面也会影响到产品的制造质量,同时还会对蒸汽设备的故障进行反馈,因此,需要一种有效的检测模式对蒸汽设备是否蒸汽泄露进行判断。然而,当前的判断机制都是单点湿度检测的判断机制,这种机制误判概率大,无法从整体上对蒸汽设备是否蒸汽泄露进行有效识别。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种智能化蒸汽泄露辨别平台,能够对被监控车间内部的各个不同位置的各个湿度进行测量,并基于测量的各个湿度数据对被监控车间整体环境是否存在蒸汽设备蒸汽泄露现象进行现场检测,从而减少单点误判的情况出现。
为此,本发明至少需要具备以下几处关键的发明点:
(1)对被监控车间内部的各个不同位置的各个湿度进行测量,并对测量的各个湿度数据执行十进制到二进制转换的归一化处理,以为后续的人工智能判断提供输入数据;
(2)采用训练后的循环神经网络用于根据在被监控车间内部的各个不同位置的各个测量湿度判断被监控车间是否存在蒸汽设备蒸汽泄露,从而避免单点湿度检测数据造成蒸汽泄露误判的情况出现。
根据本发明的一方面,提供了一种智能化蒸汽泄露辨别平台,所述平台包括;
湿度传感机构,包括N个湿度传感设备,分别设置在被监控车间内部的N个不同位置,用于分别所述N个不同位置分别对应的N个湿度传感数据,所述N个不同位置两两间距等待,N为大于1的自然数;
信息转换设备,设置在被监控车间内的控制箱中,与所述湿度传感机构连接,用于对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据;
网络运行设备,位于所述信息转换设备的左侧,用于将所述N个二进制测量数据作为循环神经网络的输入数据并运行所述网络运行设备,以获得存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据;
网络训练设备,与所述网络运行设备连接,用于对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备执行运行操作;
内容供应机构,与所述网络运行设备连接,用于将存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据无线发送给云端的监控服务器;
监控服务器,设置在云端,分别与各个被监控车间的各个内容供应机构无线连接,用于存储各个被监控车间的存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据;
其中,对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作包括:采用存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练。
根据本发明的另一方面,还提供了一种智能化蒸汽泄露辨别方法,所述方法包括使用如上述的智能化蒸汽泄露辨别平台以采用人工智能模式基于在被监控车间内部的各个不同位置的各个测量湿度判断被监控车间是否存在蒸汽设备蒸汽泄露。
具体实施方式
下面将对本发明的智能化蒸汽泄露辨别平台的实施方案进行详细说明。
蒸汽机分类如下:按蒸汽在活塞一侧或两侧工作,蒸汽机可分为单作用和双作用式两种;按汽缸布置方式,可分为立式和卧式;按蒸汽是在一个汽缸中膨胀或依次连续在多个汽缸中膨胀,可分为单胀式和多胀式;按蒸汽在汽缸中的流向,可分为回流式和单流式;按排汽方式和排汽压力可分为凝汽式、大气式和背压式。
随着蒸汽参数和功率的提高,蒸汽已不可能在一个汽缸中继续膨胀,还必须在相连接的汽缸中继续膨胀,于是出现了多级膨胀的蒸汽机。蒸汽机因受到润滑油闪点的限制,所用蒸汽的最高温度一般都不超过400℃,机车,船用等移动式蒸汽机还略低一些,多数不高于350℃。考虑到膨胀的可能性和结构的经济性,常用压力在2.5兆帕以下。
当前,在被监控车间如果出现蒸汽设备蒸汽泄露,一方面会对被监控车间的整体环境造成影响,另一方面也会影响到产品的制造质量,同时还会对蒸汽设备的故障进行反馈,因此,需要一种有效的检测模式对蒸汽设备是否蒸汽泄露进行判断。然而,当前的判断机制都是单点湿度检测的判断机制,这种机制误判概率大,无法从整体上对蒸汽设备是否蒸汽泄露进行有效识别。
为了克服上述不足,本发明搭建了一种智能化蒸汽泄露辨别平台,能够有效解决相应的技术问题。
根据本发明实施方案示出的智能化蒸汽泄露辨别平台包括:
湿度传感机构,包括N个湿度传感设备,分别设置在被监控车间内部的N个不同位置,用于分别所述N个不同位置分别对应的N个湿度传感数据,所述N个不同位置两两间距等待,N为大于1的自然数;
信息转换设备,设置在被监控车间内的控制箱中,与所述湿度传感机构连接,用于对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据;
网络运行设备,位于所述信息转换设备的左侧,用于将所述N个二进制测量数据作为循环神经网络的输入数据并运行所述网络运行设备,以获得存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据;
网络训练设备,与所述网络运行设备连接,用于对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备执行运行操作;
内容供应机构,与所述网络运行设备连接,用于将存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据无线发送给云端的监控服务器;
监控服务器,设置在云端,分别与各个被监控车间的各个内容供应机构无线连接,用于存储各个被监控车间的存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据;
其中,对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作包括:采用存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练。
接着,继续对本发明的智能化蒸汽泄露辨别平台的具体结构进行进一步的说明。
所述智能化蒸汽泄露辨别平台中:
对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作还包括:在采用存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练后,采用不存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将不存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练,并将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作。
所述智能化蒸汽泄露辨别平台中还可以包括:
压力测量机构,包括多个压力测量单元,分别与所述信息转换设备、所述网络运行设备和所述网络训练设备连接;
数值存储机构,分别与所述信息转换设备、所述网络运行设备和所述网络训练设备连接。
所述智能化蒸汽泄露辨别平台中:
所述压力测量机构用于分别测量所述信息转换设备、所述网络运行设备和所述网络训练设备各自外壳所承受的实时压力;
其中,所述数值存储机构用于分别存储所述信息转换设备、所述网络运行设备和所述网络训练设备各自的中间数据。
所述智能化蒸汽泄露辨别平台中:
对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据包括:获得的N个二进制测量数据中的每一个二进制测量数据的字节数相等。
所述智能化蒸汽泄露辨别平台中:
获得的N个二进制测量数据中的每一个二进制测量数据的字节数相等包括:获得的N个二进制测量数据中的每一个二进制测量数据的字节数都为预设字节长度。
所述智能化蒸汽泄露辨别平台中:
对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据还包括:当某一个湿度传感数据转换后的二进制测量数据不足所述预设字节长度时,对所述湿度传感数据转换后的二进制测量数据进行高位补零以获得字节数等于所述预设字节长度的二进制测量数据。
所述智能化蒸汽泄露辨别平台中还可以包括:
同步配置接口,分别与所述信息转换设备、所述网络运行设备和所述网络训练设备连接。
所述智能化蒸汽泄露辨别平台中:
所述同步配置接口用于同时对所述信息转换设备、所述网络运行设备和所述网络训练设备连接的运行参数进行配置。
同时,为了克服上述不足,本发明还搭建了一种智能化蒸汽泄露辨别方法,所述方法包括使用如上述的智能化蒸汽泄露辨别平台以采用人工智能模式基于在被监控车间内部的各个不同位置的各个测量湿度判断被监控车间是否存在蒸汽设备蒸汽泄露。
另外,所述智能化蒸汽泄露辨别平台中,循环神经网络(Recurrent NeuralNetwork, RNN)是一类以序列(sequence)数据为输入,在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neuralnetwork)。对循环神经网络的研究始于二十世纪80-90年代,并在二十一世纪初发展为深度学习(deep learning)算法之一,其中双向循环神经网络(Bidirectional RNN, Bi-RNN)和长短期记忆网络(Long Short-Term Memory networks,LSTM)是常见的循环神经网络。循环神经网络具有记忆性、参数共享并且图灵完备(Turing completeness),因此在对序列的非线性特征进行学习时具有一定优势。循环神经网络在自然语言处理(Natural LanguageProcessing, NLP),例如语音识别、语言建模、机器翻译等领域有应用,也被用于各类时间序列预报。
采用本发明的智能化蒸汽泄露辨别平台,针对现有技术中蒸汽设备蒸汽泄露容易误判的技术问题,通过本发明,能够在针对性设计的循环神经网络的基础上,对被监控车间整体是否存在蒸汽设备蒸汽泄露现象进行现场检测,从而避免出现蒸汽泄露的误判。。
应该理解的是,这里公开的实施方案和实施例是举例性质的和非限制性的。本发明的范围是由所附权利要求而不是由前面的叙述来限定,权利要求的意义的等同概念和在该意义之内的全部变化都意欲由权利要求所包括。
Claims (10)
1.一种智能化蒸汽泄露辨别平台,其特征在于,所述平台包括:
湿度传感机构,包括N个湿度传感设备,分别设置在被监控车间内部的N个不同位置,用于分别所述N个不同位置分别对应的N个湿度传感数据,所述N个不同位置两两间距等待,N为大于1的自然数;
信息转换设备,设置在被监控车间内的控制箱中,与所述湿度传感机构连接,用于对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据;
网络运行设备,位于所述信息转换设备的左侧,用于将所述N个二进制测量数据作为循环神经网络的输入数据并运行所述网络运行设备,以获得存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据;
网络训练设备,与所述网络运行设备连接,用于对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备执行运行操作;
内容供应机构,与所述网络运行设备连接,用于将存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据无线发送给云端的监控服务器;
监控服务器,设置在云端,分别与各个被监控车间的各个内容供应机构无线连接,用于存储各个被监控车间的存在蒸汽设备蒸汽泄露或者不存在蒸汽设备蒸汽泄露的循环神经网络的输出数据;
其中,对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作包括:采用存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练。
2.如权利要求1所述的智能化蒸汽泄露辨别平台,其特征在于:
对所述循环神经网络进行训练,以将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作还包括:在采用存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练后,采用不存在蒸汽设备蒸汽泄露环境下的预设字节长度的分别代表被监控车间内部的N个不同位置的N个二进制测量数据作为循环神经网络的输入,将不存在蒸汽设备蒸汽泄露作为循环神经网络的输出对所述循环神经网络进行训练,并将训练后的循环神经网络发送给所述网络运行设备以便于所述网络运行设备执行运行操作。
3.如权利要求2所述的智能化蒸汽泄露辨别平台,其特征在于,所述平台还包括:
压力测量机构,包括多个压力测量单元,分别与所述信息转换设备、所述网络运行设备和所述网络训练设备连接;
数值存储机构,分别与所述信息转换设备、所述网络运行设备和所述网络训练设备连接。
4.如权利要求3所述的智能化蒸汽泄露辨别平台,其特征在于:
所述压力测量机构用于分别测量所述信息转换设备、所述网络运行设备和所述网络训练设备各自外壳所承受的实时压力;
其中,所述数值存储机构用于分别存储所述信息转换设备、所述网络运行设备和所述网络训练设备各自的中间数据。
5.如权利要求4所述的智能化蒸汽泄露辨别平台,其特征在于:
对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据包括:获得的N个二进制测量数据中的每一个二进制测量数据的字节数相等。
6.如权利要求5所述的智能化蒸汽泄露辨别平台,其特征在于:
获得的N个二进制测量数据中的每一个二进制测量数据的字节数相等包括:获得的N个二进制测量数据中的每一个二进制测量数据的字节数都为预设字节长度。
7.如权利要求6所述的智能化蒸汽泄露辨别平台,其特征在于:
对所述N个湿度传感数据分别执行十进制到二进制的数值信息转换以获得N个二进制测量数据还包括:当某一个湿度传感数据转换后的二进制测量数据不足所述预设字节长度时,对所述湿度传感数据转换后的二进制测量数据进行高位补零以获得字节数等于所述预设字节长度的二进制测量数据。
8.如权利要求7所述的智能化蒸汽泄露辨别平台,其特征在于,所述平台还包括:
同步配置接口,分别与所述信息转换设备、所述网络运行设备和所述网络训练设备连接。
9.如权利要求8所述的智能化蒸汽泄露辨别平台,其特征在于:
所述同步配置接口用于同时对所述信息转换设备、所述网络运行设备和所述网络训练设备连接的运行参数进行配置。
10.一种智能化蒸汽泄露辨别方法,所述方法包括使用如权利要求1-9任一所述的智能化蒸汽泄露辨别平台以采用人工智能模式基于在被监控车间内部的各个不同位置的各个测量湿度判断被监控车间是否存在蒸汽设备蒸汽泄露。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011555171.2A CN113065735A (zh) | 2020-12-25 | 2020-12-25 | 智能化蒸汽泄露辨别平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011555171.2A CN113065735A (zh) | 2020-12-25 | 2020-12-25 | 智能化蒸汽泄露辨别平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065735A true CN113065735A (zh) | 2021-07-02 |
Family
ID=76558700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011555171.2A Withdrawn CN113065735A (zh) | 2020-12-25 | 2020-12-25 | 智能化蒸汽泄露辨别平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065735A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114112201A (zh) * | 2021-12-31 | 2022-03-01 | 重庆瑞力比燃气设备股份有限公司 | 燃气表密封性检测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101327096A (zh) * | 2008-07-18 | 2008-12-24 | 美的集团有限公司 | 一种电压力锅控制电路 |
CN102455686A (zh) * | 2010-10-19 | 2012-05-16 | 西安众智惠泽光电科技有限公司 | 一种烘干设备用蒸汽压力监控系统 |
CN105070332A (zh) * | 2015-08-18 | 2015-11-18 | 上海核工程研究设计院 | 核电站防主蒸汽管道泄漏的监测系统 |
JP2016125666A (ja) * | 2014-12-26 | 2016-07-11 | 三浦工業株式会社 | メタルタッチ式圧力開放弁の取付構造 |
CN105788681A (zh) * | 2016-05-06 | 2016-07-20 | 上海核工程研究设计院 | 一种核电站的主蒸汽管道泄漏监测系统 |
CN105892515A (zh) * | 2016-05-25 | 2016-08-24 | 国核工程有限公司 | 一种安全壳试验压力控制系统及其控制方法 |
CN111022941A (zh) * | 2019-12-27 | 2020-04-17 | 重庆科技学院 | 一种基于lstm循环神经网络的天然气管道泄漏检测方法 |
-
2020
- 2020-12-25 CN CN202011555171.2A patent/CN113065735A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101327096A (zh) * | 2008-07-18 | 2008-12-24 | 美的集团有限公司 | 一种电压力锅控制电路 |
CN102455686A (zh) * | 2010-10-19 | 2012-05-16 | 西安众智惠泽光电科技有限公司 | 一种烘干设备用蒸汽压力监控系统 |
JP2016125666A (ja) * | 2014-12-26 | 2016-07-11 | 三浦工業株式会社 | メタルタッチ式圧力開放弁の取付構造 |
CN105070332A (zh) * | 2015-08-18 | 2015-11-18 | 上海核工程研究设计院 | 核电站防主蒸汽管道泄漏的监测系统 |
CN105788681A (zh) * | 2016-05-06 | 2016-07-20 | 上海核工程研究设计院 | 一种核电站的主蒸汽管道泄漏监测系统 |
CN105892515A (zh) * | 2016-05-25 | 2016-08-24 | 国核工程有限公司 | 一种安全壳试验压力控制系统及其控制方法 |
CN111022941A (zh) * | 2019-12-27 | 2020-04-17 | 重庆科技学院 | 一种基于lstm循环神经网络的天然气管道泄漏检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114112201A (zh) * | 2021-12-31 | 2022-03-01 | 重庆瑞力比燃气设备股份有限公司 | 燃气表密封性检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022077901A1 (zh) | 一种面向小样本数据集的轴承故障模式诊断方法及系统 | |
RU2506443C2 (ru) | Двигатель внутреннего сгорания со взаимосоединенными поршнями | |
Held | Supercritical CO2 cycles for gas turbine combined cycle power plants | |
CN113065735A (zh) | 智能化蒸汽泄露辨别平台 | |
CN112307650B (zh) | 一种用于超超临界锅炉受热面管壁超温预警的多步预测方法 | |
Wang et al. | Condition monitoring method for marine engine room equipment based on machine learning | |
CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化系统 | |
Kabeyi et al. | Preliminary design of a cogeneration plant for a 120 MW diesel engine power plant | |
CN111723331B (zh) | 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法 | |
CN106289754A (zh) | 一种基于统计控制技术的火电机组部件性能变化判定方法 | |
CN115726935A (zh) | 一种基于人工智能的风力机组异常状态检测系统及方法 | |
CN115774847A (zh) | 一种柴油机性能评估及预测方法和系统 | |
US11573561B2 (en) | Methods and systems for automated condition-based maintenance of mechanical systems | |
Riboldi et al. | Optimal design of flexible power cycles through Kriging-based surrogate models | |
Çolak | Experimental study for artificial neural network (ANN) based prediction of electric energy production of diesel engine based cogeneration power plant | |
CN104484501A (zh) | 船舶主机系统能耗分布稳态模拟方法 | |
Cerri et al. | Models for simulation and diagnosis of energy plant components | |
Jefferson et al. | Analysis by computer simulation of a combined gas turbine and steam turbine (COGAS) system for marine propulsion | |
Saini et al. | Mathematical Modeling and Availability Optimization of Turbine Using Genetic Algorithm | |
RU138278U1 (ru) | Паровой двигатель | |
Yang et al. | Research on diesel engine fault diagnosis method based on machine learning | |
Zhultriza et al. | Gas Turbine Anomaly Prediction using Hybrid Convolutional Neural Network with LSTM in Power Plant | |
CN116255608A (zh) | 一种低负荷工况下锅炉预警方法 | |
Wang et al. | Research and Analysis of a Computer Vision Based Algorithm for Identifying Ash Deposits in Air Condensing Condensers | |
Hou et al. | Performance Prediction of Exhaust Gas Turbocharger Based on One-dimensional Convolutional Neural Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210702 |
|
WW01 | Invention patent application withdrawn after publication |