融合特征分析及机器学习的可演进变压器故障诊断模型

变压器是大型电力系统中的关键重要设备,其机理复杂且影响面广,对变压器的状态检测与故障诊断是传统电力系统中的关键问题,也是智能化时代下智能算法应用的重要方向。为解决现有的智能化故障诊断研究受限于故障样本稀缺、诊断结果可解释性差、模型更新困难等问题,提出一种基于时序流数据动态分析的变压器故障诊断模型。首先通过人工辅助标注和数据增强方法,构建具有序列特征的高置信故障数据样本库;然后使用由融合时序特征分析器和多分类器构成的神经网络模型作为训练及分析的模型基础,构造基于相似案例的推理方式,通过距离相似性、模式相似性、形状相似性等多维度距离度量方法,对实时检测到的流数据进行故障诊断及分类预警,以指导运维人员结合历史经验及智能技术开展故障分析。实验结果表明,所提方法在故障诊断的准确性与可解释性上显著提升,可应用于变压器故障在线诊断真实场景中。

基于多项式回归的过山车故障诊断模型的研究与实现

过山车是一种大型游乐设施,安全性是重中之重。本文提出了一种基于过山车运行数据的故障分析方法,针对过山车运行过程中关键指标数据进行研究,通过K-means聚类算法和DTW聚类算法对历史运行数据进行聚类处理,基于多项式回归的方法建立过山车故障诊断模型。采用本方法对一台过山车进行实验,实验结果验证了本方法的有效性,有利于提高过山车运维水平,降低故障发生概率。

基于合作博弈和云模型的小型变电站故障诊断模型研究

为解决小型变电站故障准确度较低的问题,提出构建基于合作博弈和云模型的小型变电站故障诊断模型。通过分析故障发生特点和原因,确立诊断指标体系;选用熵值法和专家赋权法分别得出指标权重,利用合作博弈方法,计算组合权重一致性系数和组合权值,经过归一化处理得到最终拟合权重;通过云模型实现各指标的定量表示,得出加权偏离度,根据加权偏离度确定最终诊断结果。实验结果表明,所建模型的指标权重分配满足一致性要求,故障位置和程度的诊断准确度高,可为变电站安全运行提供更多保障。

开关电源滤波电容失效的故障诊断模型构建

高压滤波电容失效作为开关电源常见的故障之一,直接影响其稳定运行。为实现在不损坏开关电源结构的前提下,完成故障的高效诊断,本次提出一种基于改进深度置信网络的故障诊断模型(DBN-DF模型)。该模型可利用数据采集装置,对开关电源所在的电网电压进行隔离、滤波等处理,并根据电网电压畸变特性,判断开关电源滤波电容失效百分比,最终输出故障类别,完成故障诊断。经试验验证,DBN-DF模型相较于传统的DBN和BP模型,对于高压滤波电容故障诊断的准确性更高,且随着故障次数的增加,模型真确率准确率也相应提升,最终趋于稳定。说明该模型具有较高的实践应用价值。

基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究

提出用支持向量机作为分层决策电力变压器故障诊断模型。首先通过相关统计分析,选择典型油中气体作为支持向量机输入参数,然后在深入发掘油中气体所含故障信息基础上,利用典型故障气体的相对含量在高维空间的分布特性进行变压器故障类型诊断。该方法基于小训练样本条件下寻求最优解,具有很好的推广能力及一致性等优点,还适用 于变压器典型故障数据少的特点。文中还给出了两种不同支持向量机核函数分类结果的比较。为了提高故障诊断的正判率,该模型同时在相关性强的特征气体之间,利用K-近邻搜索聚类在最优分类面附近对分类结果进行精确逼近,使分层决策模型可靠性显著改善。计算结果表明,该模型具有很好的分类效果。

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下,人为选择时域无量纲指标作为故障敏感特征的盲目性,提出了一种基于特征评估和径向基函数(RBF)神经网络的机械故障诊断模型.该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解,分别提取原始信号和各分解信号的时域无量纲指标组成联合特征,然后对联合特征进行评估,计算评估因子,并根据评估因子的大小选取敏感特征作为RBF神经网络的输入,实现对机器不同状态的自动识别.实验结果和工程应用表明,这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息,从大量的故障特征中筛选出敏感特征,因而减小了网络规模,提高了分类准确率,具有很强的鲁棒性.

基于Bayesian改进算法的回转窑故障诊断模型研究

贝叶斯网络是数据挖掘最有效和可靠的方法之一,而贝叶斯网络结构学习是贝叶斯网络研究的关键环节。针对现有经典结构学习算法——爬山算法易陷入局部最优、效率低的问题,通过计算互信息建立最大支撑树,并将最大支撑树与简化爬山算法相结合,提出了一种新的贝叶斯网络结构学习改进算法。通过与经典的爬山法和K2算法进行比较,结果表明该改进算法不仅能够得到较高准确率的模型,而且能够提高模型建立的效率。最后基于该改进算法,结合冀东水泥集团的水泥回转窑现场运行数据,建立了水泥回转窑故障诊断模型,实现了精确快速的故障诊断。

基于有色Petri网的电力系统故障诊断模型研究

现有的基于Petri网的电网故障诊断模型通用性不强,针对大电网建模时模型结构较复杂。建立了一种基于有色Petri网的电网故障诊断模型,用不同的单色代表保护类型、断路器和电网元件,根据保护原理和网络拓扑组合成复合色,用带有这些颜色标记的托肯表示不同类型的状态信息。同时建立有色Petri推理过程,给出变迁的点火规则,根据有色Petri网的推理规则进行推理获得诊断结果。通过对110 kV局部电网和某省局部电网的仿真验证表明:该方法对简单和复杂故障均能获得正确的诊断结果,并且推理速度快,模型简便,网络拓扑和保护配置的改变不影响模型结构,是一种通用性较强的电网故障诊断方法。

基于多Agent联合的变电站故障诊断模型

本文提出了一个多 Agent联合的变电站故障诊断模型 ,并给出了它的体系结构。对模型中的 Agent进行了功能层次划分 ,分析了各功能 Agent及其相互关系。讨论了 Agent的协同工作策略 ,冲突消解和黑板调度问题。在该模型中 ,充分利用 Internet的信息资源 ,采用多 Agent在线对集中控制中心所管理的变电站进行故障识别与诊断。每个 Agent代表一种智能知识体或智能处理方法 ,Agent在空间和时间上进行协作 ,同时采用综合评价 Agent,给出对变电站及其设备的诊断与处理结果。

基于粗糙集理论的汽轮机组回热系统故障诊断模型

在分析了汽轮机组回热系统现有故障诊断方法无法解决冗余征兆的不足之后 ,提出了一种基于粗糙集理论的故障诊断模型。该模型从回热系统典型故障模式出发 ,通过连续征兆属性的离散化建立了故障诊断决策表 ;利用遗传算法实现了故障征兆属性约简 ,并提出了结合领域知识的最小约简择优策略 ,然后通过给出的决策规则约简的基本原则 ,得到用于故障诊断的决策规则库。在应用该模型进行故障诊断时 ,用待诊实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配 ,对返回的诊断决策规则进行综合评价 ,并得出诊断结论。利用电站仿真机模拟典型故障进行了故障诊断模型的验证 ,实践表明 ,该模型可以有效地约简冗余的故障征兆 ,并具有较好的诊断效果和一定的容错能力。

基于组合式模糊神经网络的旋转机械故障诊断模型

针对旋转机械故障所具有的层次性、相关性和模糊性的特点 ,提出1种基于组合式模糊神经网络的旋转机械故障诊断模型。它由第 1层的决策模糊神经网络和第 2层的多个诊断模糊神经网络组合构成 ,依据大隶属度优先为真原则进行推理 ,按推理的过程和隶属度的大小给出可能的故障结果及相应的隶属度值 ,供现场工程技术人员结合辅助故障特征参数等进行进一步的联想推理 ,得到最终的故障诊断结果。实验研究结果表明 ,该系统可以有效地对具有模糊性的单一故障和复合故障进行诊断。详细讨论了模型建立、隶属度函数定义和模型推理过程 ,并给出实验结果。

汽油机三效催化转换器故障诊断模型的研究

深入研究了汽油机三效催化转换器氧存贮故障诊断模型,该模型结构简单,适合数据实时处理,模型参数的精确估计是保证模型精度的关键。基于发动机空燃比"浓稀"法控制,监测尾气通过催化器后空燃比变化,间接估计催化器内氧存贮状态,结合加权递推最小二乘算法估计模型参数,并进行了Simulink仿真。仿真结果表明参数估计方法有效,催化器氧存贮模型具有较高的精度。

一类基于类别区分的多重故障诊断模型框架

多重故障诊断是故障诊断和容错控制技术中的重难点问题.本文关注数据驱动故障诊断,以基于知识的方法为基本思路,按照故障表现及征兆的组合形式分析了多重故障和征兆之间的映射关系,将多重故障诊断转化为一类由各个组成故障对应于征兆数据集合的类划分问题.在已有应用于故障诊断的分类和聚类方法的基础上,分析了4种基于类别区分的多重故障诊断模型框架.并讨论了其优缺点和适用的类别区分算法.

组态式牵引电动机故障诊断模型

针对电动机典型的故障诊断模型网络结构复杂、训练困难等问题,提出一种组态式牵引电动机故障诊断模型.该模型由多个多输入单输出的子径向基函数神经网络构成,每个子模型识别一种故障特征.根据系统需要将多个子模型任意组合,用来识别类型繁多的电动机故障.利用特征提取后的样本数据对该模型进行训练,并通过测试样本验证了故障诊断模型的有效性.结果表明,采用组态式牵引电动机故障诊断模型,一个子模型仅识别一种牵引电动机故障状态,结构简单,模型训练难度小,提高了模型的故障识别能力以及应用的灵活性,为牵引电动机故障诊断提供了一条新思路.

煤粉炉整体结渣故障诊断模型

针对煤粉锅炉炉内结渣难于诊断的问题 ,对大型煤粉锅炉运行中所能采集到的常规参数与炉膛结渣程度的关系进行了研究。从工程应用出发 ,建立了依据一些比较模糊的现象有效地推断锅炉整体结渣程度的诊断模型。该模型物理原理清晰 ,计算过程简练 ,只需采集常规运行参数即可进行在线诊断。实际计算表明 ,该方法简单、可靠 。

两层分采同步抽油系统故障诊断模型的数值分析法

建立两层分采同步抽油系统的故障诊断模型 ,研究在实心抽油杆与空心抽油杆的界面处空心泵对应力波的影响 ,给出抽油杆柱不同杆段的波动方程的显示差分格式 ,提出一种故障诊断模型的反问题计算法。用此算法可在缺少一个边界条件的情况下求解故障诊断模型 ,获得抽油系统各个工况下抽油杆柱任意截面的受力状态 ,从而绘制出两层分采同步抽油系统的空心泵示功图和管式泵示功图。将此算法与模式识别技术相结合可对两层分采同步抽油系统的故障进行诊断。

软件密集型装备中软硬件故障诊断模型的建立

基于软件密集型装备,论文分析了软硬件故障表征及症状,给出了其数学描述,并在此基础上提出了一种软硬件故障诊断模型,给出了其故障诊断过程。

复杂过程的智能集成故障诊断模型研究

由于复杂过程与一般工业过程的本质区别,使得传统的依赖对象精确数学模型的故障诊断方法难以取得令人满意的结果。而智能技术具有无需建立对象精确模型的优势,并且可以充分利用人类专家的经验知识,因此利用智能故障诊断模型研究适合复杂过程实现的故障诊断技术既是必要的也是可行的。通过比较目前研究较多的智能故障诊断模型,提出基于模糊逻辑、神经网络与专家系统的智能集成故障诊断模型,以便有效地解决复杂过程的故障诊断问题,并具体分析了模型组成机理、结构和网络学习算法,从而为复杂过程的故障诊断技术研究提供了新的途径。

基于可信度理论的火电厂水汽化学过程故障诊断模型研究

针对火电厂水汽化学过程中广泛存在着的不确定关系,该文研究并设计了一个基于可信度理论的故障诊断模型。在模型中对知识的表达、推理控制机制的选择、不确定算法的构建等问题做了详细的描述;并改进了规则可信度的设定方法,使该可信度推理更接近于人类专家思维。

非线性电路故障诊断模型的建立及神经网络求解的方法研究

分析并推导了含有非线性流控型电阻元件和非线性压控型电阻元件组成的非线性电阻网络的故障诊断方程,这是以支路故障标志量为未知的一组线性代数方程.在推导非线性元件的"故障标志量"时,消除由工作点变化引起的电参量的变化,保留由伏 安特性变化引起的电参量变化,它标志非线性元件本身发生了故障;文章还提出一种神经网络,可在线快速求解非线性电阻网络的故障方程的解,从而可在线对故障进行定位.