基于神经网络证据理论的天然气管道泄漏检测

利用小波消噪原理,并通过构建RBF神经网络模型,将消噪后的信号作为RBF神经网络的输入参数,并判断该信号是否为泄漏信号。将D-S证据理论数据融合应用到天然气管道泄漏检测中,建立D-S证据理论数据融合模型。将输入的泄漏信号进行决策级综合判断,得出天然气管道泄漏的具体地点。利用C#语言开发天然气管道泄漏检测软件系统,该系统能够快速准确地识别泄漏并定位。

基于信息熵的油田变压器局部放电故障诊断

油田变压器是保证油田电网稳定运行的重要结构之一,而局部放电故障又是其常见的故障。因此对故障及时准确地作出判断是至关重要的。为了准确诊断故障,在获取特征值的基础上,融合信息论中熵的概念。分别从时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵和小波空间特征熵整合特征指标,通过判断故障熵点与已知故障的熵距来判断属于何种故障,全面分析以达到对故障的准确识别。仿真结果表明此方法用于变压器局部放电故障诊断中是行之有效的。