高压输电线路的智能故障检测与诊断

本研究的宗旨是深入分析高压输电线路中智能化故障监测及其鉴别技术的进步及其实践运用。首先探讨了传统技术在监测与鉴别过程中遭遇的难题,涵盖了广泛的应用领域和数据的复杂性等诸多问题。接着对智能算法在该行业内的潜在应用进行了前瞻性分析,尤其关注了深度学习技术所承载的可能性。在信息搜集与分析技术领域强调了它们在智能故障识别与评估中的关键作用。终究本文重点阐述了依托深度学习技术构筑的电路故障检测模型的搭建及其提升策略,并透过试验考证及成果评估印证了这一策略的实用性。

基于人工智能的光伏发电系统故障检测与诊断方法研究

文章旨在利用人工智能技术提高光伏发电系统的故障检测与诊断效率。通过综合分析光伏发电系统的特点和传统故障检测方法,提出了一种基于人工智能的故障检测方法,包括数据采集、特征提取、模型设计与优化等步骤。通过实验验证和对比分析证实,该方法在光伏发电系统中具有较高的准确性和效率,为提高光伏发电系统的运行效率和可靠性提供了有效的技术支持与方法参考。

面向组合惯性导航系统的χ^(2)故障检测与诊断

文章主要对组合导航系统中的χ^(2)故障及其诊断进行研究。将该系统基本的误差模型作为依据,针对其故障诊断,提出了在联邦滤波结构中适用的故障监测技术,即通过联邦滤波结构中的残差检验技术来检测该系统里的硬故障,将没有故障情况下的最优全局估计信息构造滑动残差用作检验标准,来检测该系统中的软故障,并将软故障检测函数作为依据,自适应调节信息分配系数。经实验发现,本次所提出的算法在此类故障检测及其诊断中十分适用。

基于XGBoost-RF的制冷剂泄漏故障检测与诊断

针对冷水机组运行中正常数据多于故障数据情况和制冷系统中最常见的制冷剂泄漏故障,本文采用极端梯度提升算法(XGBoost)建立故障检测模型,采用随机森林(RF)算法建立故障诊断模型,研究了检测阈值改变对检测模型的影响及有、无正常样本训练的诊断模型的对比。结果表明,在检测阈值设定为0.99时,可保证大部分故障样本均能被检测出来,且虚警率低,仅由故障数据训练得到的诊断模型整体性能最佳,可最大限度发挥检测模型和诊断模型的优势。

基于应用型人才培养的“故障检测与诊断技术”教学改革与实践

“故障检测与诊断技术”是机械类或近机械类的一门专业课程,课程以数控机床为研究对象,研究数控机床的安装、调试、维护、修理;培养学生具备数控机床维修、维护相关理论知识与技能。本文在“1+X”证书制度下对“故障检测与诊断技术”课程的教学方法、教学内容、教学模式、师资队伍进行探索和改革研究,通过以上改革措施,降低教学成本,提高教学质量,提高学生学习效率,激发学生的学习兴趣,将学生培养成为不仅拥有专业学历证书和职业技能等级证书,还是“会维护、会检测、能维修”的数控技术应用型人才。

暖通空调系统故障检测与诊断技术研究进展

归纳了暖通空调系统中的常见故障,介绍了故障检测与诊断的基本方法,简要介绍了定性分析方法和定量分析方法,回顾总结了暖通空调系统故障检测与诊断的研究历史,详细阐述了国内外研究现状。分析指出目前暖通空调系统故障检测与诊断技术存在的问题与发展方向。

基于DSO-2100的异步电机转子偏心故障检测与诊断

为了诊断感应电动机转子偏心故障,采用了定子电流检测法,开发出了一套基于DSO-2100虚拟数字示波器的故障诊断系统,得出了当电机转子存在偏心故障时,定子电流频谱中的特征频率值在不同偏心程度和不同负载下的变化规律,并完成了数据采集模块的设计。试验结果证明,诊断的结果与理论值完全相符。

变风量空调系统传感器故障检测与诊断

在建立变风量空调系统仿真器的基础上,针对系统的温度、流量和压力传感器等进行故障的检测与诊断．提出基于主成分分析的方法,根据系统正常的历史运行数据建立数理统计模型,通过传感器实测数据与正常数据在故障子空间投影的比较,对传感器的故障进行在线检测;提出联合角度法通过比较新发故障向量与故障库中各经验故障向量在两个子空间投影的夹角,在线分离出故障源．结果表明,提出的主成分分析和联合角度的方法对于变风量空调系统传感器故障有较为准确和快速的检测和诊断效果．

基于频谱法与神经网络的航空起动发电机的故障检测与诊断

应用频谱法对航空直流起动发电机发电状态进行故障检测与诊断。采用对电机的电枢纹波电流信号进行频谱分析,提取该信号在频率域特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障检测与诊断的目的。电机故障实验和分析表明,与常规方法相比,频谱分析与神经网络相结合的方法进行实时检测和诊断具有简单、有效等优点。

基于BP神经网络的制冷机组故障检测与诊断

研究了BP神经网络用于制冷机组故障检测与诊断的方法,并且用来自真实测量的数据建立了冷水机组故障检测与诊断的BP神经网络模型。研究表明,在静态条件下,通过提取制冷机组有代表性参数的残差,以此作为BP神经网络的输入,当BP神经网络经过适当的训练后,能成功地对各种耦合的故障进行辨识,诊断训练时间短,BP神经网络能实现对制冷机组进行实时故障检测与诊断的需要。

无人机PCA故障检测与诊断技术研究

无人机(UAV)飞控系统传感器故障检测和诊断常采用基于解析模型的方法,但飞行控制系统(FCS)的精确数学模型往往获取困难。针对此问题,提出了一种UAV-PCA算法。该算法在传统主成分分析(PCA)方法的基础上结合方差敏感自适应阈值的故障检测方法和基于特征方向的故障诊断方法,实现UAV飞控系统传感器的故障检测和诊断。算法不需要系统的数学模型,解决了应用传统PCA方法进行FCS故障检测与诊断时易出现暂态过程虚警和误诊断的问题。仿真结果证明该算法可以快速准确地检测传感器故障,而且可以有效地降低暂态过程虚警和提高诊断结果准确度。

控制系统故障检测与诊断技术的最新进展

对故障检测与诊断(FDD)技术在控制领域的最新进展进行了综述,内容主要包括三类基本方法,即:基于解析模型的FDD、基于信号处理和基于知识的故障检测与诊断方法。重点评述了近年来发展起来的信息融合方法、多Agent方法、鲁棒故障检测、网络控制系统的故障诊断等。最后介绍了故障检测与诊断技术在控制系统中的若干应用成果,并指出尚待解决的主要问题和值得进一步研究的方向。

运载火箭伺服机构故障检测与诊断的扩展多模型自适应方法

针对运载火箭伺服机构故障,提出一种基于扩展多模型自适应估计的故障检测与诊断算法。建立考虑伺服机构故障的运载火箭姿态动力学模型;将故障角度作为状态变量得到增广状态空间模型;利用扩展卡尔曼滤波器进行状态向量和故障参数的非线性估计,并基于传感器测量数据采用假设检验算法在线计算故障发生的概率;给出基于扩展多模型自适应估计的故障检测与诊断算法流程。仿真结果表明,该方法在无故障时可对伺服机构进行健康监测;在单台伺服机构故障下,可以及时准确判断出哪一台芯级伺服机构发生故障,并可准确估计出伺服机构故障下的发动机摆角角度。

基于主元分析法的液体火箭发动机传感器故障检测与诊断

针对液体火箭发动机的压力、温度、流量等传感器数据,给出了一种基于主元分析法的传感器故障检测与诊断方法。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测与诊断。以某型LRE传感器组为研究对象,通过故障模拟,给出了该方法对4种典型传感器故障的检测与诊断实例。结果表明主元分析法对LRE传感器具有很好的故障检测和故障诊断能力。

基于云神经网络的空间推进系统故障检测与诊断

本文提出并研究了用于空间推进系统故障检测与诊断的云神经网络方法,并以某空间推进系统推力器为研究对象进行了验证。仿真结果表明,该方法用于推力器故障检测与诊断是可行的,辨识精度较高,能够实时反映推力器工作状况,并能及时判断。

制冷空调系统故障检测与诊断中的空气侧换热模型

对3种常用空气侧换热模型(戈果林换热模型、扰流管束换热模型和J因子换热模型)进行了分析,着重研究其单调性以及在制冷空调系统故障检测与诊断模型中的适用性,设计实验并采用焓差法测量制冷空调系统空气侧的换热系数,与3种空气侧换热模型的计算结果加以比对,并对其结果进行修正.结果表明,修正后的3种换热模型所得结果与其相应的实验结果较吻合.其中:戈果林公式具有非单调性而不适用于仿真模型的计算;J因子换热模型和扰流管束换热模型具有单调性,适用于制冷空调系统故障检测与诊断中的仿真模型计算,且J因子的计算误差最小.

光纤复合海底电缆故障检测与诊断方法

为及时发现并判别光纤复合海底电缆的故障,文章提出一种基于多尺度小波分析的海缆故障检测与诊断新方法。该方法先利用布里渊光时域反射计测量海缆中光纤的布里渊散射频移,然后结合双阈值法对故障点进行检测和分析。对发生接地故障的数据,用阈值法进行诊断;对非接地故障,则选用coif2小波基进行8尺度小波分解。研究结论表明,利用小波分解高频系数尺度对空间距离的敏感性可有效诊断锚害和塑料护套局部放电引发的过热故障。同时,在分析海缆故障特点的基础上,通过建立海缆故障模拟数据验证了算法的有效性。

导航系统故障检测与诊断技术综述

导航系统的故障检测与诊断技术受到理论界的广泛重视,总结了国内外应用于导航系统的故障检测与诊断方法:基于硬件冗余方法、基于χ2检验方法、基于奇偶空间方法、基于小波变换方法、基于神经网络方法、基于联邦滤波器方法和一些其他方法。讨论了导航系统的故障检测与诊断发展趋势。

基于PLS的热连轧过程故障检测与诊断

为了解决在生产过程中进行故障检测和诊断问题,讨论了基于主元分析(PCA)和偏最小二乘(PLS)的过程故障检测与诊断的原理,运用T^2统计、Q统计方法结合贡献图对轧钢过程进行了分析。结果表明,PLS方法比PCA方法能更好地检测与诊断故障。

基于信息散度的过程故障检测与诊断

为了充分利用卡尔曼滤波新息中的非高斯故障特征,提出一种基于信息散度的非线性过程故障检测与诊断方法.通过unscented卡尔曼滤波产生新息序列,利用核密度估计方法计算概率分布.在此基础上建立信息散度统计量,监控过程的运行状态.一旦检测到故障后,引入对称信息散度计算待诊断过程与故障库中各类故障之间的距离,判断故障类型.在连续搅拌反应器上的仿真结果表明,提出的方法能够及时检测到故障的发生,正确判断故障类型.