基于图像处理的架空输电线路绝缘故障诊断方法

传统架空输电线路绝缘故障诊断方法以故障信号诊断为主,由于故障信号会受到噪声影响,导致线路绝缘故障诊断的准确性降低。针对此问题,提出基于图像处理的架空输电线路绝缘故障诊断方法。首先,基于图像处理提取架空输电线路绝缘故障特征,将架空输电线路绝缘故障图像进行灰度化、滤波、边缘检测等处理,并从中提取绝缘变化情况。其次,诊断输电线路绝缘故障类别,根据绝缘故障特征划分输电线路绝缘故障类别,确保线路绝缘故障诊断的有效性。最后,进行实验分析。实验结果表明,该方法的绝缘故障诊断准确性更高,优于对照组。

基于贝叶斯网络的输变电设备绝缘故障快速诊断方法

针对输变电设备绝缘故障诊断结果的正判率较低,且输变电设备绝缘故障诊断速率较慢的问题,提出基于贝叶斯网络的输变电设备绝缘故障快速诊断方法。首先,使用Hilberx变换技术对采集到的历史故障信号进行转化,获取绝缘故障的特征。其次,构建贝叶斯网络模型,对采集到的真实设备运行数据进行训练学习。最后,获取实时信号的故障诊断权值,结合数据训练学习结果来确定输变电设备绝缘性能状态,完成绝缘故障诊断。至此,基于贝叶斯网络的输变电设备绝缘故障快速诊断方法就设计完成。构建试验环节,经试验证实,该方法的绝缘故障诊断结果正判率较高,输变电设备绝缘故障诊断速率得到提升,可将其应用到实际问题的诊断与管理过程中。

基于模糊神经网络的学习算法大型电气工程设备绝缘故障诊断方法

由于引起电气设备出现绝缘故障的因素较多,导致诊断的准确率较低,为此,提出大型电气工程设备绝缘故障诊断方法设计研究。对故障信号进行Hilberx变换后,提取其周围节点的信号状态特征,利用模糊神经网络的学习算法计算待诊断信号与提取特征值之间的匹配度,将期望误差小于目标值的特征对应的故障作为最终的诊断结果。实验结果表明,所提方法对不同绝缘故障的正确率可达到95%以上。其运行可靠性直接关系到电力系统的安全与稳定,模糊神经网络的学习算法分析方法作为一种有效的充油电力设备异常监测手段,在电力系统得到广泛的应用。

基于机电液一体化工厂故障智能化诊断技术研究

以解决机电液一体化设备的诊断问题为目标,侧重分析现阶段机电液一体化设备常见的故障问题,从智能诊断的原理出发,探讨智能化诊断技术的实际应用。在既有工厂故障诊断经验的基础之上,以工厂冷轧机故障诊断系统的开发设计为例,探讨神经网络训练在故障诊断中的应用,以及BP神经网络故障诊断系统的基本结构、应用方法,并对BP神经网络系统进行诊断测试。