基于轴箱高频振动的车轮不圆辨识方法研究

为实现对高速列车车轮高阶不圆的实时检测,研究了轴箱高频振动与车轮不圆的频谱特征和映射关系,采用频域积分方法对车轮不圆的幅值和阶次进行辨识.首先,通过静态测试和台架试验,研究我国高速铁路车轮多边形、钢轨波磨和轨道模态的表现形式;其次,通过高速列车长期服役性能跟踪试验,掌握转向架轴箱振动的时频特征和演化规律;最后,以现场出现车轮20阶多边形的车辆为研究对象,提出基于频域积分的车轮不圆阶次和幅值辨识方法.研究结果表明:CRTS-Ⅱ型轨道板钢轨三阶弯曲频率为592 Hz;列车以300 km/h运行时,20阶车轮多边形和136 mm波长钢轨波磨的响应频率分别为580 Hz和613 Hz;钢轨模态、车轮多边形以及钢轨波磨的振动主频较为集中,轴箱高频振动幅值随车速和镟后里程的增大而增大;采用加速度频域积分方法,从理论上可实现对车轮不圆幅值和阶次的辨识;基于线路实测轴箱加速度的20阶车轮多边形辨识结果与静态测试值相对误差不超过5%.

适应我国高集中度电力现货市场的发电侧市场力辨识方法

我国电力现货市场发电侧拥有高市场集中度的特点,市场力的滥用辨识变得尤为重要。对美国事前市场力的辨识方法进行了详细综述,分析指出了行为-影响测试方法更适用于我国电力现货市场。在此基础上,进一步研究提出了高市场集中度下的事前-事后市场力辨识方法,包括用于辨识潜在市场力的剩余供给指标测试法和市场模拟仿真法、用于辨识事中市场力的行为-影响测试方法和从市场整体运行情况、用户侧、发电侧和电网侧4个维度进行全面评估的事后市场力辨识方法。最后,通过算例分析,论证了所提市场力辨识方法的合理性和可行性。

变压器绕组热缺陷温度演化规律及其辨识方法

近年来变压器因绕组发生热故障烧毁时有发生,严重威胁电网安全。为保障变压器的安全稳定运行,开展了变压器绕组热缺陷温度演化规律及其辨识方法研究。首先,基于有限元法研究构建变压器绕组电磁-温度-流体多物理场耦合仿真模型,并通过温升试验验证仿真模型的有效性;然后,仿真分析绕组不同过热位置、热缺陷严重程度和运行工况对绕组局部区域温度的影响规律;最后,应用绕组轴向油道多点温度突变分析研究提出绕组热缺陷位置和严重程度辨识方法。研究结果表明:基于该文多场耦合仿真模型计算的温度值与温升试验实测值的误差小于6%;绕组不同区域发生热缺陷时,过热区域热量会沿油流导向路径快速传递,绕组油道内多点温升值会随其下方区域过热温度的增大呈现线性规律增长;该文提出的热缺陷辨识方法对热缺陷位置辨识的准确度为100%,对热缺陷温度估计的相对均方根误差为6.1%。采用该研究成果能及早发现变压器运行过程中绕组上的热缺陷,避免由缺陷向更严重的故障发展,保障变压器的安全运行。

非线性结构系统的局部连接刚度辨识方法研究

连接结构在工程应用领域广泛存在,连接位置处的局部非线性特征对结构系统的动力学建模与特性预示具有重要影响。针对非线性结构系统局部连接参数未知或难以测量的问题,本文从结构动力学反问题的角度出发,提出一种基于频响函数变换的局部线性连接刚度辨识方法,通过与时域非线性子空间辨识方法相结合,可进一步获取非线性结构系统的局部线性和非线性连接刚度。设计并搭建三自由度结构系统的数值算例和实验系统,开展辨识方法的数值和实验验证,结果表明,所提方法能够分离并辨识得到非线性结构系统的标称线性系统频响函数和非线性参数,进而实现局部线性和非线性连接刚度的联合辨识。

基于子空间辨识方法的建筑群热负荷预测研究

根据建筑热力模型和热负荷计算模型建立了状态空间模型,分别利用未指定状态变量和指定状态变量的子空间辨识方法构建了建筑群热负荷预测模型,并以哈尔滨市某小区换热站为例,验证和比较了2种方法的热负荷预测结果及训练策略和预测时长对预测精度的影响。结果表明:指定状态变量比未指定状态变量的子空间辨识方法的热负荷预测平均绝对百分比误差降低了10.00%;未指定状态变量的子空间辨识方法的中期预测效果优于短期预测,平均绝对百分比误差降低了13.34%。

基于加权潮流熵的配电网脆弱线路辨识方法

通过评估电网脆弱线路来寻找薄弱环节,能够很好地防止事故发生。针对目前配电网脆弱线路辨识方法辨识能力差,难以精准确定全部脆弱线路的问题,利用加权潮流熵提出了一种辨识方法。利用加权潮流熵对转移增量进行计算,根据计算结果得到脆弱性评估指标,分析不同指标的权重,通过得到的脆弱性评估指标进行电网线路辨识分析,判断是否为脆弱线路。实验结果表明,基于加权潮流熵的配电网脆弱线路辨识方法能够很好地检测出脆弱线路的电流波动振幅,通过得到电流加权潮流熵分析电流波形是否为正弦波,确定脆弱线路,在10次测试中,检测成功率为100%,具有极高的实际应用价值。

基于Ward等值的三绕组变压器并列运行方式实用辨识方法

变压器运行方式直接影响到电网的实时监视和控制。为准确反映电网运行信息,提出一种三绕组变压器并列运行方式的实用辨识方法。基于三绕组变压器并列运行的拓扑结构及其等值电路,结合简单环形网络的潮流分布公式与Ward等值方法,推导出两台和3台变压器高/中两侧并列运行时的有功功率分配关系。在合理近似的条件下提出变压器并列运行的有功功率分配比例判据,实现变压器并列运行方式的高效辨识。基于典型算例潮流的模拟数据和实际变电站的实测数据,仿真验证所提方法的有效性。

感应电机匝间短路暂态分析及实用辨识方法

感应电机匝间短路是常见的故障类型,可能引发相间短路或接地短路,严重影响系统稳定性。针对电机匝间短路暂态分析及辨识问题,基于匝间短路模型分析了故障期间定子电流、电磁转矩、转速的暂态特性,研究了不同故障支路电阻与短路绕组系数对短路电流的影响。在此基础上,提出了一种以电流矢量为特征量的匝间短路实用辨识方法,最后通过一台1600 kW感应电机验证了方法的有效性。

基于频域通用建模的双馈风电机组参数的一体化辨识方法

风电在电网中的占比逐年提高,其动态特性,尤其是故障穿越特性,对电力系统的影响日益显著,亟须构建能够表征实际风电机组动态特性的白盒模型。然而,风电机组的模型参数众多且交互影响,当前的参数辨识方法无法实现对整个机组故障穿越控制参数及限幅参数、转子侧内外环控制参数、网侧内外环控制参数和电气参数的整体辨识,尤其是无法精准辨识对外特性不敏感的参数。为解决这些问题,针对双馈风电机组故障穿越工况,构建了包含机组本体及全部控制器的频域通用模型,将参数分为4类逐步辨识,提出基于频域模型的分类分步一体化辨识方法。通过与仿真模型结果对比,验证了频域通用模型的准确性;通过参数辨识值与真值的对比、辨识出的白盒模型与厂家黑盒模型的响应特性对比,验证了所提方法的有效性。

基于无监督学习的计算机通信网络异常数据流辨识方法

当前,计算机通信网络异常数据流辨识矩阵的辨识效率有限,导致漏辨个数不断增加。为此,文章对基于无监督学习的计算机通信网络异常数据流辨识方法进行了设计和验证。首先,提取了异常数据流特征,在多状态的背景下提升了辨识效率,同时设置了多状态特征辨识矩阵。其次,设计了无监督学习通信网络异常数据流辨识模型,采用了动态跟踪核验实现数据流辨识处理。测试结果表明,导入4组虚拟的辅助网络异常数据流指令在3个周期内实现了异常数据流辨识,最终将漏辨个数控制在6个以内,说明该方法在无监督学习的辅助和支持下更为精准与高效,应用效果得到了明显提升,且针对性较强,具有创新意义。

基于大数据挖掘的网络异常数据辨识方法

为提升辨识准确度,提出基于大数据挖掘的网络异常数据辨识方法。通过计算网络异常数据权重,对网络异常数据进行预处理,利用大数据挖掘技术对网络传输异常数据进行聚类,定位辨识网络传输数据异常。实验结果证明,该方法在错误辨识数目方面表现出色,具体更好的辨识性能。

基于长短时记忆神经网络的非侵入式电力负荷辨识方法

常规的非侵入式电力负荷辨识方法忽略了暂态特征对负荷辨识的影响,为此,设计了基于长短时记忆神经网络的非侵入式电力负荷辨识方法。提取非侵入式电力负荷特征,采集电流、电压、功率信号,获取暂态负荷特征与稳态负荷特征。基于长短时记忆神经网络辨识电力负荷类别,利用时间特征细分负荷事件,划分负荷事件的区间,得到负荷类型数量,使负荷事件与负荷序列相匹配,从而实现电力负荷的精准辨识。采用对比实验验证了该方法的辨识效果更佳。

一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法

针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。

多新息随机梯度辨识方法

多新息随机梯度辨识方法是系统辨识和参数估计的一种基本方法.该方法由于采用了间断迭代,因此可以克服坏数据对参数估计的影响,且具有较强的鲁棒性,又可以跟踪时变参数.作者从理论上给出了多新息随机梯度辨识方法的推导过程,同时列出多新息随机梯度辨识方法的各种变形.数字仿真实验表明多新息随机梯度辨识方法具有良好的性能.

开关磁阻电动机特性检测与参数辨识方法研究

研究了开关磁阻电动机(Switched Reluctance Motor, 简称 SR 电动机)磁链特性与静态转矩特性的实验测量方法,分别建立了 SR 电动机磁链特性和静态转矩特性检测装置。在实测数据的基础上,采用非线性拟合和最小二乘方法实现了磁链模型和静态转矩模型的参数辨识,将参数已辨识特性模型的计算结果与实际测量的特性数据相比较,对模型的精度进行了评价,得到不同转子位置和不同相电流所对应的模型误差.

基于灰色关联分析的LNG接收终端人因事故辨识方法

陆岸LNG接收终端是LNG海上进口系统中的重要设施。针对我国LNG接收终端人因事故不断增多的现状,基于航空事故调查分析中的HFACS事故致因分析模型,将人因事故的影响因素归纳为个人因素、人际因素、环境因素、监督因素和组织因素五大类,结合灰色理论中的灰色关联分析,得到了LNG接收终端人因事故辨识方法。最后,运用该方法对某LNG接收终端人因事故进行辨识,通过灰关联度的计算,找出其最主要的不安全事件来自"个人因素"中的个人"安全意识不强"。此方法克服了小样本事故数据带来的弊端,对保障LNG接收终端的安全运行具有一定的指导意义。

基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化

为提高循环流化床(CFB)锅炉效率、降低污染物排放,利用国内某超临界CFB锅炉历史运行数据,基于自适应模糊推理辨识方法建立了锅炉效率、NO_x和SO_2排放特性的自适应模糊推理模型,提出了3种优化策略,使用果蝇优化算法对CFB锅炉运行工况的可调参数在一定范围内进行寻优,并进一步仿真验证了所提CFB锅炉燃烧优化方法的有效性.结果表明:该模型用时较短、误差较小,对CFB锅炉的节能减排有重要借鉴意义.

平和体质及其辨识方法的思考

平和体质是中医体质学说中最基本的体质分型,但在研究过程中常被作为对照组而忽视其自身的价值。本文总结近年来关于平和体质的特征、内涵、辨识方法等方面的研究进展,指出将平和体质的概念与"健康人"或"非偏颇"相混淆是错误的,引起这种误解的主要原因在于目前的体质辨识方法存在较明显的主观化问题,认为应通过临床大数据的补充,提取平和体质者的脉象特征信息作为平和体质辨识标准化、客观化的可行指标,提出明确内涵,完善辨识方法 ,将其作为独立的体质分型进行系统化、客观化研究是平和体质的进一步研究方向。

转子碰摩故障振动特征的数值分析与辨识方法

对一类集中参数非线性转子碰摩行为进行了数值仿真,获得了各种响应解形态,同时获得了两类混沌路径,即拟周期进入混沌路径和混沌运动突发到周期运动路径。以数值分析结果为基础开展试验研究,观测到的响应形态与仿真结果定性一致。最后,对碰摩故障的振动特征进行了总结并提出了相应的辨识方法,这些结果对工程实际具有一定的参考价值。

供热管网中管段阻力系数的辨识方法

提出一种新的管网阻力系数辨识方法,利用管网中少量节点处的压力或流量测量值对所有管段内壁粗糙度进行有效辨识,达到获得管段阻力系数的目的.该方法的辨识模型不仅能灵活利用工程手册所推荐的管道粗糙度等先导信息,还可综合利用多种工况下的辨识值,获得更高精度的辨识结果.基于这种辨识模型,提出一种结合遗传算法(GA)和有效集法(AS)的混合算法求解最优化问题.混合算法改善了局部搜索效率,同时具备较好的全局寻优能力.通过对2个案例管网参数的辨识计算,表明新方法可获得精度较高的辨识结果,并且对较大的管网也能得到稳定的计算结果.