在本文中,本文建議應用每個故障模式的 ANN 模型,並在 SCADA 系統中為不同的工廠促進實際實現。這種方法可以簡化並可能改進基於條件的維護和風險建模中處理的決策,從而減少糾正性維護直接和間接成本,或允許顯示剩餘使用壽命,直到設備完全故障。<br>在有足夠的資料進行大量培訓的情況下,更好地實施我們的方法將有助於降低成本,並在遭受非同質操作和環境時提高工廠生命週期的知識條件。由於重複記憶,ANN 在資料來源之間自動學習的能力(有時是噪音或通信被剝奪)非常重要。在我們的案例研究中,來自不同遠端工廠的大量資料可用,儘管有時這些資料受到感應器讀數或通信問題的影響。對於具有即時利用率的自動化開發,推薦使用反向傳播感知器 ANN。此外,還可以應用高級 ANN 模型來支援其他變數。<br>瞭解故障模式行為非常重要,以便預先處理歷史資料,消除可能扭曲結果的異常資料。
正在翻譯中..
