基于SOA优化网络控制系统故障检测模型仿真

研究网络控制系统故障准确检测。网络控制系统中的故障信息多为非线性。在不平衡外部干扰作用下,导致控制系统的故障信号出现不平衡和挠曲变形的现象,给故障识别量带来干扰,传统的故障迹象诊断方法在故障迹象发生明显改变的情况下,很难做出正确判断。提出了一种SOA优化网络控制系统的故障检测模型。引入一种非线性状态估计方法,能够对网络控制状态进行估计,最大化地排除信号的非线性形变干扰。利用排除干扰后的数据建立SOA优化网络控制系统故障检测模型,从而实现网络控制系统的故障检测。实验结果表明,利用改进算法进行网络控制系统的故障检测,能够实现网络控制系统的实时、准确检测。

P2P网络节点信息信任度计算模型仿真研究

P2P网络系统中竹点持有信息的信任度评估是节点安全性能评估的重要指标,P2P网络中由于对中心节点较为依赖和节点频繁退出及加入,会造成的节点能量波动,造成传统的网络节点信任度计算出现偏差,提出了改进量子遗传算法的P2P网络节点信息信任模型。将P2P网络系统中节点信任度估计问题转化为从源节点到目的节点的最优信任路径寻优问题;对节点的可能信息传递路径进行染色体映射,计算其适应度值;然后利用改进的粒子群算法对量子旋转角度进行动态调整,依据个体信息熵和自适应变异算子迭代的进行最优个体和适应度值的搜索,输出节点信任关系解空间中的最优解。实验证明,改进算法具有较好的收敛速度和执行效率,且当节点跳级数较少时,可明显提高信任度计算的准确性。

变电站变压器异常状态监测数据可视化方法

变压器在长期工作负荷下,难以避免地会逐渐出现各种异常,甚至故障问题。为避免造成严重的停电事故,变压器异常监测具有重要的现实意义。基于上述背景,提出一种变电站变压器异常状态监测数据可视化方法。该研究中利用气相色谱设备、加速度传感器分别获取变压器的油色谱成分数据和振动信号。利用三比值法提取油色谱成分数据特征,利用小波能量法提取振动信号的能量均值,由以上组成特征集合。以特征为输入,通过计算各个状态等级上的概率分布确定变压器状态异常等级,随机森林算法确定变压器异常类型,完成变电站变压器异常状态监测。结果表明:所研究方法应用下,概率值最高对应异常程度高,票数比值最高对应高能量放电,说明变压器发生高能量放电问题,并且该问题已经发展到高程度,亟需进行维修。