基于光伏并网逆变器直流过压故障的暂态分析及故障成因定位

光伏并网逆变器直流电容是交直流功率耦合的关键器件,运行过程中容易发生过压故障且原因不唯一。为了鉴别不同的故障成因,需对逆变器的故障暂态进行研究。首先论述了双闭环控制中相关控制量的演变规律,进而推导在系统失控下,空间矢量脉宽调制的每个载波周期占空比变化的异常情况,揭示变量劣化是非稳态条件下三相电流非预期变化的主要原因。对3种不同因素诱导的变量劣化并最终导致过压故障的工况进行仿真分析和实验验证,并利用虚拟特征量的差异进行故障成因的定位。研究结果表明,所采用的故障定位方法能有效判断故障成因,且无须添加传感器,具有一定的工程应用价值。

多时域特征与SVM的隔膜泵单向阀故障诊断

针对隔膜泵单向阀故障机理分析不足的问题,提出了一种基于多时域特征与SVM的单向阀故障诊断方法。信号的时域特征是最早应用且最为简洁实用的特征参数,对单向阀的时域振动信号进行简要分析,并介绍几种信号时域指标与特征,根据单向阀振动信号的特点选取出三种时域指标与特征作为故障诊断的特征值;将特征值构成训练集输入到SVM分类器训练诊断模型;用测试样本进行故障诊断实验。实验证明,本文中提出的方法对高压隔膜泵单向阀的故障诊断准确率为98%,具有所需样本信号长度较短的优点。

基于VMD-SVD的单向阀微弱故障诊断方法

针对大型往复式机械高压隔膜泵单向阀振动信号中的微弱故障特征难以提取,且磨损击穿故障、卡阀故障及正常状态振动信号难以识别的问题,提出一种基于变分模态分解和奇异值分解的单向阀微弱故障特征提取及诊断方法。首先对振动信号进行VMD分解,再借助能量百分比和方差贡献率筛选出包含丰富故障信息的模态IMF分量,其次对筛选后的IMF分量构建初始特征矩阵,然后利用SVD对特征矩阵进行分解,得到特征矩阵的奇异值作为表征微弱故障信号的特征向量,最后应用多变量预测模型对单向阀微弱故障进行诊断。工程实验结果表明,该方法能有效地提取出单向阀微弱故障信号特征并能对单向阀状态类型进行有效识别。

基于注意机制的工件检测超分算法

在工艺加工过程中,对于工件的表面光滑程度有着极高的工艺要求,工件表面出现裂纹容易引起工件疲劳断裂,危害极大,因此检验工件的表面裂纹有着极为重要的应用价值。随着深度学习领域的不断发展,机器自动识别逐渐代替了传统的人工识别。但是,对于镀锡工件而言,由于镀锡表面对光源光照的反射极强,裂痕宽度极细,同时受到相机分辨率的限制,采集到的工件图像的分辨率不足以实现工件表面的裂纹检测。