胡清华
- 作品数：92 被引量：847H指数：12
- 供职机构：天津大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术动力工程及工程热物理电气工程航空宇航科学技术更多>>
- 汽轮机调节汽门振荡故障仿真与诊断研究
- 汽轮发电机组负荷波动是生产中常见故障,对机组的正常运行产生了不良的影响,本文通过建模、计算机仿真,分析了阀门存在松动时对汽轮机运行参数的影响,并通过某电厂的实例验证了分析的正确性.
- 鲍文于达仁胡清华
- 关键词：汽轮机阀门故障诊断负荷波动计算机仿真
- 文献传递
- 大规模分类任务的分层学习方法综述被引量：17
- 2018年
- 分层分类是一种利用数据类别间层次结构关系进行分类的任务,可以高效地组织和处理大规模数据.近些年来,在这个受到越来越多关注的领域中涌现出许多重要的工作.本文介绍分层分类的定义,并按照不同种类的问题解决策略,对大规模分层分类任务中的几个基本问题的研究进行总结.首先,给出层次结构的形式化定义.其次,分别阐述如何设计分层评价指标、如何构建层次结构、如何利用层次结构信息进行特征选择、如何利用层次结构信息训练分类器以及如何面向层次结构设计停止机制,并介绍具有代表性的相关工作.最后,对大规模分层分类任务进行总结,并展望未来可能的研究方向.
- 胡清华王煜周玉灿赵红钱宇华梁吉业
- 基于深度学习理论的短期风速多步预测方法研究
- 风具有强随机不确定性,目前,准确的风速及风电场功率预测是解决规模化风电并网安全高效运行的重要基础。本文将深度学习理论应用到风速预测领域中,通过深度神经网络的强大非线性映射能力,自动地将风速变化模式提取出来,可以有效提高预...
- 万杰胡清华刘金福苏鹏宇于达仁
- 关键词：短期风速多步预测神经网络
- 文献传递
- 汽轮机主汽阀、调节阀常见故障分析及诊断被引量：12
- 2000年
- 主汽阀、调节阀是汽轮发电机组的重要部件 ,也是故障常发部件。文章根据我国火电生产实践 ,分析了主汽阀调节阀几种常见故障产生的原因、危害 ,并提出了在线检测与诊断方法。
- 鲍文于达仁胡清华解永波
- 关键词：汽轮机主汽阀调节阀故障诊断
- 高超声速发动机进气道起动/不起动模式分析
- 进气道不起动是高超声速进气道的重要流动现象,进气道能否正常工作,将对整个推进系统起关键性的作用,发动机的控制系统必须能够实时监控进气道的工作状态。本文首先对发动机进气道工作状态的转变进行了数值模拟,基于流量捕获特性定义了...
- 胡清华常军涛鲍文于达仁
- 关键词：进气道
- 文献传递
- 除氧器故障诊断的含未测节点的符号有向图方法被引量：9
- 2008年
- 符号有向图(SDG)模型已被用于系统运行操作的故障诊断,系统图模型中节点表示部件,边表示故障传播特征,主要分析已知报警集合寻找潜在故障源的问题。工业过程中许多过程状态不能测量或不能在线测量,使得原相容性故障传播通道失效。针对SDG模型中的部分节点因未测量造成的信息缺失,给出含未测节点的SDG模型的数学表达;并通过对路径函数和节点函数的转化,结合有向图(DG)的可达性理论,给出了两种转化故障诊断方法:完全转换的含未测节点严格符号有向图方法和部分转换的含未测节点严格符号有向图方法。算例研究表明,该方法具有较强的故障诊断能力。
- 于达仁王伟胡清华刘金福
- 关键词：符号有向图故障诊断
- 基于间隔分布集成优化的齿轮箱故障诊断
- 齿轮裂纹等级的识别对于齿轮箱的故障诊断具有重要意义.通过随机化邻域约简,生成一系列邻域可分子空间,从而形成不同的子分类器.通过最小化间隔损失或者求解L1正则最小平方损失问题来改变间隔分布得到子分类器权值,对分类器按权值排...
- 胡清华朱鹏飞左明
- 文献传递
- 高超声速发动机进气道起动/不起动模式分析
- 进气道不起动是高超声速进气道的重要流动现象，进气道能否正常工作，将对整个推进系统起关键性的作用，发动机的控制系统必须能够实时监控进气道的工作状态。本文首先对发动机进气道工作状态的转变进行了数值模拟，基于流量捕获特性定义了...
- 胡清华常军涛鲍文于达仁
- 关键词：高超声速发动机进气道不起动
- 文献传递
- 汽轮机振动信号容错故障诊断
- 汽轮机振动信号的获取，主要采用的是涡流传感器，其在电厂现场的地电位复杂和干扰严重的环境中，现场采集的振动数据往往被各种噪声污染，数据稳定性差，影响诊断的准确性;而且当某个传感器发生故障时，单个决策系统的性能会急剧下降，甚...
- 谢宗霞胡清华于达仁
- 关键词：汽轮机多分类器融合容错能力传感器故障
- 文献传递
- 基于混合型深信度网络的风速日前预测研究被引量：9
- 2016年
- 目前,准确的风速预测是解决大规模风电安全高效并网的关键基础问题之一。本文将深度学习理论引入风速预报的回归问题研究,基于堆栈降噪自动编码器建立了多个具有不同隐含层数的混合型深信度网络回归模型,并利用风电场的实测风速数据进行四组不同季节风速日前预测实验,包括相同隐含层模型在不同训练测试上的对比实验和不同隐含层模型在同一测试集上的对比实验。实验结果表明:相同隐含层模型在4个测试集上的回归误差(MSE和MAE)随着预报步长的变化都相对比较平稳、波动性不大,即深信度网络模型的鲁棒性较好对数据集的敏感性不强;预报误差随着隐含层数变化具有一定规律,即深信度网络模型对于同一测试集上存在一个最优的隐含层数能够使预报误差最小。最后,针对相同的训练测试集,采用典型常用的支持向量回归机进行风速日前日前对比实验,预报误差统计效果均比混合型深信度网络的差。因此,深信度网络可以通过其强大的非线性映射能力自动提取风速的复杂变化模式,从而有效提高回归模型的预测精度和鲁棒性。这为深度特征学习方法在风速预测中的实际应用奠定了一定的基础。
- 万杰陈宁钱敏慧郭钰锋胡清华于达仁
- 关键词：风速混合型
