基于改进D-S证据理论的变电站继电保护二次回路故障诊断方法研究

改进D-S证据理论基础上的智能变电站继电保护二次回路故障诊断方法,对故障元件集合中的各元件故障引发概率进行判断,从而进一步完成二次回路整体的故障判断。同时,基于D-S证据理论,能够有效解决证据冲突问题,保证计算结果符合逻辑。具体来说,基于D-S理论开展继电保护二次回路故障诊断工作时,需完成SCD文件的初始化解析,有效检测继电保护故障,应用虚回路通信状态和举证表获得故障元件集合信息,进一步判定可疑故障元件集合中的故障可信度,完成整个故障诊断过程。基于此,分析改进D-S证据理论应用的各项优势,进一步研究改进D-S的证据理论变电站继电保护二次回路故障诊断步骤。

基于改进D-S证据理论的水下航行器声隐身性能评估

针对传统水下航行器声隐身性能评估方法计算时间长、实时性不强的缺点,将评估由数值计算问题变为基于多传感器信息融合的模式识别问题来解决。通过将改进D-S证据理论模型和图像欧氏距离模型相结合,提出了一种新的水下航行器声隐身性能快速评估方法。首先利用加速度传感器测得壳体表面振动信息,抽取分析频段内每个频带的功率作为特征向量,然后通过图像欧氏距离方法进行证据生成,最后用一种改进的D-S证据合成方法进行识别分类,快速评估出航行器当前的声隐身状态。并利用计算机仿真和水下振动实验相结合的方式,通过类柱体结构模拟航行器舱段,详细讨论了方法的先进性,并研究指出了需要改进的问题。探讨了一种水下航行器声隐身性能快速评估的实现方法。

基于VMD和改进D-S证据理论的中速磨煤机振动故障识别研究

为解决中速磨煤机无法在线识别振动故障及传统的机器分类算法无法准确表达故障信息的问题,提出变分模态分解(VMD)和改进D-S证据理论相结合的磨煤机振动故障识别方法。首先,通过对磨煤机从正常到发生故障过程中运行参数(磨加载油压、磨出口风压等)的时域分析,选取磨电流这一参数表征磨煤机振动状态;其次,利用VMD对不同状态的磨电流时间序列进行处理,提取分解后各模态分量的能量比作为故障特征;通过改进D-S证据理论对各特征参数进行多源信息融合得到最终的基本概率赋值,用于决策分析;最后,通过实验验证了所提方法的有效性。结果表明:改进D-S证据理论可以更加全面地表达故障信息,增加诊断结果的可信度;该方法可以在故障发生2 min后准确地识别引起振动故障的原因,同时利于检修人员采取相应的解决措施。

基于改进D-S证据理论的认知无线电频谱感知算法

在把D-S证据理论应用于多节点的频谱感知数据融合时,如果数据冲突较大则融合结果并不理想。为了解决上述问题,对D-S证据理论的证据组合规则进行了改进,给出了一个在数据冲突大时也适用的数据融合公式,并把这种改进的数据融合算法应用到多节点协作频谱感知中。MAT-LAB仿真测试与结果分析表明改进算法提高了频谱感知性能。

基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。

基于改进D-S证据理论的燃气轮机滑油系统故障诊断

本文使用D-S证据理论决策层融合结构融合了4种经典信息融合算法,对滑油系统典型故障进行诊断。为解决证据冲突问题,本文对D-S证据理论公式进行了改进,并验证了改进公式在特征层和决策层的融合效果。结论表明本文提出的D-S证据理论改进方法能够较好地解决证据冲突带来的问题,可以提高诊断正确率;证据理论在决策层融合中的优势较为明显,应用于多种方法诊断结果的决策层融合可以提高诊断的容错性。

基于改进D-S证据理论的电网故障多源信息智能融合诊断方法

为了满足电网调度精益化管理的需求,提高继电保护智能化水平,提出一种电网故障多源信息智能融合诊断方法。该方法通过主动激励召唤和任务动态调整来实现继电保护主站的性能提升与信息同步,利用一对一支持向量机多分类算法进行故障信息分类,基于改进Dempster-Shafer(D-S)证据理论进行多源信息融合诊断和同源故障信息确认,根据多源信息融合规则和流程完成同源故障快速决策。实验结果表明,所提出的诊断方法在故障快速反应、精准诊断定位、可靠决策支持和免人工干预等方面具有良好的应用效果。

改进D-S证据理论在振动故障诊断中的应用

针对传统D-S证据理论对燃气轮机进行振动故障诊断时会出现一些悖论问题,提出D-S理论改进算法。首先,对采集的燃机振动信号分别从时域和频域进行特征提取,再利用三种不同类型的神经网络模型进行初步诊断,将初步诊断的结果经归一化构建原生证据,然后通过引入证据间的支持矩阵对原生证据进行修正,最后根据改进D-S规则进行决策融合。通过燃气轮机的振动故障诊断实验,证明了该算法能够充分利用各种信息,避免了传统方法出现的悖论现象,提高了燃气轮机振动故障诊断结果的准确性。

基于改进D-S证据理论的工程项目风险评价模型

在工程项目的实施过程中,由于建筑工程项目投资大、工期长、施工难度大、技术复杂等特点,使得工程项目本身存在着许多不确定性因素决定了建筑工程项目的多风险性。对Dempster合成法则进行了改进,给出了基于改进D-S证据理论的工程项目风险评估模型,克服了传统评估方法在处理不确定性和证据冲突问题方面的不足。并结合算例证明了此方法在预测建筑企业工程项目系统风险过程中的实际应用价值。

基于改进D-S证据理论的MPAR行为状态识别方法

随着多功能相控阵雷达不断发展,其展现的多功能状态和自适应能力强的特性使得传统行为辨识方法无法适应现代战争需求。对此,提出一种基于改进D-S证据理论的雷达行为状态识别方法,该方法将空间运动状态和天线扫描方式作为辅助特征,通过改进D-S证据理论将双链HMM估计结果进行融合,得到最终识别结果。仿真实验结果表明,所提方法能有效解决传统D-S证据理论不能处理的证据冲突问题,且在雷达字提取准确率下降的情况下表现出更强的鲁棒性。

基于层次分析法与改进D-S理论的阀水冷系统状态评估

为了及时评估保障换流阀可靠运行的阀水冷系统运行状态,首先,分析了换流站阀水冷系统整体构成,选取主要历史数据和实时数据构建了评估指标体系,通过三角形函数和半梯形函数以及专家调查法确定各个指标的隶属度;其次,基于层次分析法确定各个评估指标权重,改进D-S理论建立阀水冷系统运行状态评估模型;最后,通过采集实际工程阀水冷系统主要指标数据对模型进行了验证,并以阀水冷系统滤芯清洗前后数据为例对评估结果进行了对比。结果表明,所建模型能够对阀水冷系统运行状态做出准确识别和评估,有利于运维人员及时掌控阀水冷系统运行状态,保障其可靠运行。

基于QPSO-BP和改进D-S的水电机组振动故障诊断

为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。

采用改进D-S证据融合的动力型假肢运动模式预识别

动力型假肢是目前康复工程研究的热点问题之一,动力型假肢穿戴者行走的各路况运动模式的预识别是关键的一个环节。为了能够充分地描述路况信息,本文采集髋关节角度、加速度运动信息和前后脚底压力信息作为识别信号源,采用改进的D-S(Dempster/Shafer)证据理论方法将陀螺仪传感器和加速度传感器信息融合,从而对假肢穿戴者行走的各路况运动模式进行有效的预识别。实验结果表明,基于改进证据理论数据融合的动力型下肢假肢运动模式预识别方法可有效地对上楼梯、下楼梯、上斜坡、下斜坡、平地行走5类运动模式进行预识别,预识别率高达97.6%。该技术对动力型假肢的研制具有重要的实用价值。

基于改进D-S的汽轮机组集成故障诊断研究

在分析与比较多个D-S合成规则的基础上,结合汽轮机组故障的特点,提出了一种基于改进D-S证据理论的集成故障诊断方法。该方法利用改进的D-S理论来表示和处理不确定的、模糊的信息,利用灰色理论和GRNN(广义回归神经网络)网络来处理证据理论中的基本概率分配问题,充分发挥灰色理论和GRNN的优点,提高故障诊断率。仿真结果表明,所提出的集成故障诊断方法能有效地诊断汽轮机组的故障,决策合理,可信度高,且能避免误诊现象,具有良好的应用前景。

基于BP神经网络与改进DS证据融合的GIS设备局放故障识别

准确识别气体绝缘组合电器(Gas insulated switchgear,GIS)内部绝缘缺陷,有助于评估局部放电(Partial discharge,PD)的危害,并为设备检修提供重要依据。然而,传统的单一监测方法存在信息利用不全、特征维度过高、识别率较低的缺点。为了克服这类问题,首先,在220 kV真型GIS上搭建了局部放电试验平台,设置了绝缘子污秽、绝缘子气隙、悬浮电极和金属突出物等4种典型缺陷模型,采用脉冲电流法和特高频传感器采集各类缺陷的局部放电信号,将PD信号基于时间分析模式和基于相位分析模式的融合决策引入提出的BP神经网络和改进DS证据理论相融合的诊断方法中,通过引入证据相融度,利用提出的诊断算法进行故障识别。结果表明所提识别方法能深入挖掘有效信息,具有一定的拒误诊能力,故障识别率高于96.7%,显著优于传统的BP神经网络。

基于模糊集与改进证据理论的目标识别

在基于模糊理论目标识别基础上,通过对模糊隶属度进行重新分配,较好地克服了随机因素的影响,同时对已有的证据理论合成进行改进,将模糊集理论和改进的证据理论结合,可望进一步提高对空中目标的正确识别率.

运用改进的D-S进行钢管焊接结构损伤识别

为了有效利用结构健康诊断中的多源不确定数据,提高损伤识别的准确率,通过改进D-S证据理论(Dempster提出由Shafer完善形成的一种推理理论)中的基本概率赋值函数和组合规则,提出了一种基于改进D-S证据理论的结构损伤识别新方法。该方法利用灰色关联理论和熵权理论处理信息源的基本概率赋值问题,利用改进的D-S组合规则处理信息源间的相关、冲突问题。通过钢管焊接结构的试验研究验证所提方法的有效性,结果表明所提出的方法优于传统的D-S损伤识别方法;相对于单一损伤信息的损伤识别而言,基于多源损伤信息能够有效降低损伤误判的可能性,获得更准确的损伤识别结果。

基于改进证据理论和多神经网络融合的故障诊断方法

本文从各个证据本身重要性不一致出发,提出了基于证据权重的证据合成新方法,并与多神经网络相结合,提出一种新的故障诊断方法。该方法通过构建不同故障参数特征空间相应的子神经网络分类模型进行局部诊断,其输出作为证据体,用新的D-S证据理论合成方法修正后,进行再一次融合后得到诊断结果。最后诊断实例验证了该方法不仅可以解决证据冲突问题,而且与单传感器诊断相比,该方法可以降低决策的不确定性,大大提高了诊断的精度。

基于多元数据的夏季鸡舍环境质量评价及其对产蛋性能的影响

蛋鸡舍环境质量直接影响蛋鸡产蛋性能。为探究夏季蛋鸡舍环境质量及其对产蛋性能的影响,研究提出基于多元数据的分析方法,首先采集鸡舍内7类关键环境因子数据,按照热环境、光环境和气体环境分组,再根据改进D-S证据理论规则进行迭代融合,得到蛋鸡舍各检测点环境质量的综合评价结果,进而分析其对产蛋性能的影响。以夏季八层层叠式蛋鸡舍为试验鸡舍开展试验。结果显示:八层层叠式蛋鸡舍下四层的环境质量和平均产蛋率的最优位置均处于鸡舍前端;平均产蛋率最差的位置处于鸡舍中端,该位置环境质量综合评价结果为一般;上四层平均产蛋率最优位置为鸡舍中端,该位置环境质量综合评价结果为适宜;平均产蛋率最差位置和环境质量最差位置均为鸡舍后端(靠近风机端)。在试验鸡舍所有检测点中,平均产蛋率高于86%的检测点,环境质量综合评价结果大都为适宜,平均产蛋率低于86%的检测点,环境质量综合评价结果为一般或差,鸡舍内各检测点环境质量综合评价结果与平均产蛋率的变化趋势高度一致。该研究为准确评价蛋鸡舍环境质量,揭示蛋鸡舍环境质量对产蛋性能的影响提供了一种行之有效的方法。

基于多元线路特征因素融合的电压暂降严重程度评估

现有电压暂降严重程度评估方法未充分考虑多元线路特征因素对输电线路故障概率的影响,评估结果存在较大误差。由此,文中提出了基于多元线路特征因素融合的电压暂降严重程度评估方法。首先,基于线路历史故障数据,采用关联规则量化多元线路特征因素对线路故障的影响程度进行研究。然后,通过改进D-S证据理论融合多元线路特征因素建立准确的线路年故障概率模型,并采用基于最大熵模型的故障点法评估节点的电压暂降量。最后,提出了一种同时考虑系统侧电压暂降严重程度和用户敏感设备耐受特性的综合电压暂降严重程度指标,用于评估节点电压暂降严重程度。基于实际电能质量监测数据进行验证,并与未充分考虑线路特征因素的评估案例进行比较,结果表明所提方法能有效提升电压暂降严重程度评估的准确性。