首页
0/100
AB1772-LW
来自：厦门阿米控技术有限公司
10人民币
发布时间：2020-8-18
关注次数：157
产品参数
商品详情
报警信息优化
由于流程工业生产数据特点是数据量巨大、工业噪声和数据的不确定性、动态性和数据类型的多样性、多目标与不完整性等。因此，报警信息优化的目标是有效的处理某一报警频率。方法有对报警信号进行数据挖掘、分类和等级划分，根据流程工业生产数据的特点选择合适的处理方法1期。以动态模糊聚类分级算法为例，报警信息优化处理过程见图今02
)a 涉及模糊集理论及其聚类方法、随机变量的数据特征、多元统计分析等;
句 应用动态模糊聚类方法对报警信号进行分类:
)c 采用数据矩阵的协方差构造模糊相似矩阵;
刃 采 用 主元分析确定聚类个数;
)e 类 内 需对各变量进行等级划分;
勺 类内求取各变量间平均相关系数，以此对各变量排队得等级序列;
)9 应用动态模糊聚类方法对报警信号进行分类;
h) 采用数据矩阵的协方差构造模糊相似矩阵;
)1 采 用 主元分析确定聚类个数;
)j 类内需对各变量进行等级划分;
由于流程工业生产数据特点是数据量巨大、工业噪声和数据的不确定性、动态性和数据类型的多样性、多目标与不完整性等。因此，报警信息优化的目标是有效的处理某一报警频率。方法有对报警信号进行数据挖掘、分类和等级划分，根据流程工业生产数据的特点选择合适的处理方法1期。以动态模糊聚类分级算法为例，报警信息优化处理过程见图今02
)a 涉及模糊集理论及其聚类方法、随机变量的数据特征、多元统计分析等;
句 应用动态模糊聚类方法对报警信号进行分类:
)c 采用数据矩阵的协方差构造模糊相似矩阵;
刃 采 用 主元分析确定聚类个数;
)e 类 内 需对各变量进行等级划分;
勺 类内求取各变量间平均相关系数，以此对各变量排队得等级序列;
)9 应用动态模糊聚类方法对报警信号进行分类;
h) 采用数据矩阵的协方差构造模糊相似矩阵;
)1 采 用 主元分析确定聚类个数;
)j 类内需对各变量进行等级划分;
k) 类内求取各变量间平均相关系数，以此对各变量排队得等级序列;
SINAMICS S120 SINGLE MOTOR MODULE, 6SL3120-1TE21-8?AA4
BECKHOFF 4 KANAL EINGANGSKLEMME, EL3204
BECKHOFF 8 KANAL DIGITAL EINGANGSKLEMME, EL1008
SIMATIC S7-MODULAR EMBEDDED CONTROLLER, 6ES7677-1FD00-0?
SIMATIC S7 MODULAR EMBEDDED CONTROLLER, 6ES7677-1DD00-0?
BECKHOFF 4 KANAL DIGITAL EINGANGSKLEMME, EL1904
BECKHOFF 4 KANAL DIGITAL AUSGANGSKLEMME, EL2904
BECKHOFF TWINSAFE LOGIC, EL6900
BECKHOFF 2 KANAL ANALOG EINGANGSKLEMME, EL3162
BECKHOFF 2 KANAL OSZILLOSKOPKLEM?ME, KL3362
BECKHOFF 2 KANAL INKREMEMTAL ENCODER INTERFACE, EL5152
BECKHOFF 4 KANAL DIGITAL EINGANGSKLEMME, KL1114
REXROTH ASYNCHRONMOTOR, R911315967, MAD100B-0200-SA?-M2
REXROTH NETZFILTER R911306536, HNF01.1A-M900-E?0202-A-48
SINAMICS S120 ACTIVE LINE MODULE, 80KW, 6SL3130-7TE28-0?
REXROTH INDRADRIVE POWER SUPPLY R911297426, HMV01.1R-W0
REXROTH INDRADRIVE POWER SUPPLY R911297425, HMV01.1E-W0
ABB FREQUENZUMRICHT?ER, 75KW, ACS550-01-157A-?4
SIEMENS MICROMASTER 440, 2.2KW, 6SE6440-2AD22-2?BA1
DANFOSS FREQUENZUMRICHT?ER, 195N1007
展开
询盘信息
必填＊
-
姓名：
-
联系手机：
-
需求量：
选填
-
固话电话：
-
联系邮箱：
-
所在单位：
所咨询的内容：
我想了解：《AB1772-LW》的详细信息.请商家尽快与我联系。
完成
咨询内容
完成
完成
