检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
作 者:吴晓莉
机构地区:[1]南通市通州区综合检验检测中心,南通226499
出 处:《中国品牌与防伪》2025年第4期68-70,共3页China Brand and Anti-counterfeiting
摘 要:压力表检定过程中常出现异常数据,影响检定结果的精准性,异常数据具有偶发性、随机性等特点,成因复杂,包括压力表自身故障、测量系统误差、环境干扰等因素,深度挖掘异常数据,对提高压力表检定精准度、优化压力表性能评估模型、指导压力表设计改进与测量方法创新具有重要意义。本文在分析异常数据表现形式与成因的基础上,提出了基于机器学习的异常数据智能识别、融合信号处理与故障诊断理论的异常定位、构建压力表健康评估与剩余寿命预测模型等异常数据深度挖掘与精准诊断策略,以期为压力表检定数据分析提供新思路。
分 类 号:TH812[机械工程—仪器科学与技术]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.7