基于d-q变换及WOA-LSTM的异步电机定子匝间短路故障诊断方法

为了实现对异步电机定子绕组匝间短路故障的可靠在线诊断,提出一种基于d-q变换及鲸鱼优化算法(WOA)优化的长短期记忆网络(LSTM)的故障诊断方法。通过理论推导可知,d-q变换可有效提取定子电流中的特征频谱数据。采用鲸鱼优化算法对长短期记忆网络中的3个关键参数进行优化,建立WOA-LSTM故障分类模型。为了验证基于d-q变换和WOA-LSTM故障诊断方法的有效性,分别以小波变换、快速傅里叶变换及d-q变换提取电流频谱数据作为输入数据集,以一台YE2-100L1-4型异步电机为实验对象进行实验验证。研究结果表明:相比于小波变换及快速傅里叶变换,采用d-q变换能更准确的提取出定子电流中的故障特征,更精确地反映电机故障状态,有助于提高故障分类准确率;相比于传统的LSTM算法,经WOA优化后的LSTM算法分类准确率可达98.3%,能可靠地实现不同程度匝间短路故障的诊断。

基于自适应短时傅里叶变换的品质因子Q值估算方法

品质因子Q是描述地下介质对地震波吸收衰减强弱程度的参数,同时也是地层含油气性的重要标志。在地震资料Q估算中,常用的方法是短时傅里叶变换方法,当窗函数被选定以后,其时频分辨率就固定了。针对该问题,提出一种自适应窗短时傅里叶变换的方法,以获得更准确的瞬时中心频率,并利用峰值频移法来估算品质因子Q。首先,利用固定窗长的短时傅里叶变换来提取信号的瞬时中心频率作为初始频率;然后,根据初始频率自适应计算不同频率的窗长,并利用自适应窗长短时傅里叶变换来求取瞬时中心频率;最后,结合峰值频移法得到高分辨率的品质因子Q值。利用合成数据和实际数据进行了测试,结果表明,相比于固定时窗短时傅里叶变换方法,自适应短时傅里叶变换方法具有更好的时间和频率分辨率,可以获得更高分辨率的品质因子Q值。该结果可以为地下介质的研究提供更准确、可靠的工具,有助于更好地了解地下结构和油气资源分布情况。

一种数据库查询的多标签电能质量混合扰动识别与分类新方法

该文针对电能质量混合扰动的复杂性及当前分类识别的准确率不够高等问题,提出一种数据库查询的多标签电能质量混合扰动分类与识别方法,该方法能够更加科学准确地识别混合扰动,可为电能质量治理、扰动事件责任追究等提供有力决策辅助。首先,该方法基于可调Q因子小波变换(tunable Q-factor wavelet transform,TQWT)和时变均方根(rootmeansquare,RMS)的特征提取方法有效提取扰动信号基频时域特征量,较好地克服了当前基频幅值特征提取准确率不够高的难点问题;其次,提出频域特征曲线分割新方法,高效地提取扰动信号的高频特征曲线;然后,建立基频幅值特征数据库和高频特征曲线数据库;最后,利用快速动态时间规整(dynamictimewarping,DTW)结合多标签的分类思想进行混合电能质量扰动的多标签分类。仿真实验结果表明,新方法具有如下优势:几乎不受限值范围内基频偏移的影响,抗噪性较强,对单一扰动及包含双重、三重、四重扰动在内的27种扰动具有较高的分类准确率。电网实测扰动数据的分析,进一步验证了该方法的扰动识别有效性。

基于d-q理论的双馈异步电机定子匝间短路故障诊断方法

为实现双馈异步电机定子绕组匝间短路的早期故障诊断,提出一种基于转子电流特征频率分量的故障诊断方法 .首先,通过分析故障后电机的电磁特性,得到故障后转子电流中会产生特征频率分量的结论 .然后,通过对转子单相电流进行特殊的相移构造出三相电流,并对该组电流进行d-q变换,利用理论推导证明d-q变换后的直流分量幅值能够反映特征谐波的大小,将直流分量作为故障特征量进行双馈异步电机匝间短路故障的诊断.最后,依据有限元法建立故障前后电机的仿真模型,对不同工况下故障特征量的变化进行研究.结果表明:基于d-q理论提取的故障特征量与定子绕组的短路匝数呈正相关,且在转速变化和电压不平衡时也可有效诊断出匝间短路故障;通过设置合理的故障阈值可实现对双馈异步电机定子绕组匝间短路故障的精确辨识.研究结果可以为电机绕组匝间短路故障诊断提供参考.

融合优化可调Q因子小波变换的改进密度峰值聚类算法

为提升时间序列的聚类精度,提出一种融合优化可调Q因子小波变换的改进密度峰值聚类(improved density peaks clustering based on optimal tunable Q-factor wavelet transform,OTQWT-IDPC)算法,该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号,通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间,并采用主成分分析降低特征维度,以减少特征冗余。同时,考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率,引入权重系数及K近邻重新定义DPC的局部密度,并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验,结果表明,该算法的聚类精度分别为95%、94%,且Jacarrd、FMI和F_(1)值指标均优于其他对比算法,证明了OTQWT-IDPC算法的有效性。

突发脉冲干扰下的白鲸哨声端点检测方法

针对圈养条件下大量突发脉冲干扰影响白鲸哨声检测的问题,提出了一种可调Q因子小波变换(TQWT)结合自适应谱聚类的无监督哨声信号检测方法。对原始信号做高Q因子的小波分解,并以平均小波系数作为检验统计量完成哨声端点粗检测,排除静默时间段与低强度脉冲干扰;在此基础上使用局部密度自适应谱聚类进一步区分哨声与强脉冲干扰,完成白鲸哨声检测。使用实采的白鲸信号测试该检测器性能并计算其F_(1)分数。该检测器在两段测试信号下分别获得了0.9487和0.9429的F_(1)分数,且在大数据量情况下明显优于由k-means聚类或传统谱聚类构成的检测器,具有更高的鲁棒性。

淬火温度和配分温度对CSP生产的Q&P980钢组织及性能的影响

以某钢厂CSP产线生产的Q&P980热轧钢板为实验对象,通过热模拟实验机进行Q&P处理,采用XRD、SEM、电子万能拉伸实验机等手段进行组织与性能表征。结果表明:淬火温度升高,实验钢的残余奥氏体(RA)含量和伸长率均呈先上升后下降的趋势,抗拉强度逐渐降低,二次马氏体(M_(2))逐渐增加;贝氏体转变量随着淬火温度升高而增加;配分温度升高,实验钢的残奥含量和伸长率均先上升后下降,抗拉强度降低,二次马氏体增加;实验钢淬火至345℃并在420℃配分时,残奥含量、伸长率、抗拉强度和强塑积分别为14.20%、22.74%、1150 MPa和26.15 GPa·%,性能最优。

基于优化TQWT及孪生SVM的有载分接开关机械故障诊断

为进一步提高有载分接开关(on-load tap changer,OLTC)机械状态监测的准确性,文中基于优化品质因数可调小波变换(tunable quality wavelet transform,TQWT)对OLTC切换过程中的振动信号进行了分析。即使用人工鱼群算法(artificial fish swarm algorithm,AFSA)基于分解余量与整体正交系数研究了TQWT的优化分解方法,计算得到了OLTC振动信号的多个子序列,构建了基于优化孪生支持向量机(twin support vector machine,TWSVM)的OLTC机械故障诊断模型。对某CM型OLTC正常与典型机械故障下振动信号的分析结果表明,所提优化TQWT分解方法有效提高了OLTC振动信号分解结果的准确性。相对于其他诊断模型,所构建AFSA-TWSVM的OLTC机械故障诊断模型分类效果好且收敛速度更快。

具有空间-通道重构卷积模块的肺音分类模型

目的探究肺音数据的准确识别及分类。方法本文提出了一种结合空间-通道重构卷积(SCConv)模块的卷积网络架构以及双可调Q因子小波变换(DTQWT)与三重Wigner-Ville变换(WVT)结合的肺音特征提取方法,通过自适应地聚焦于重要的通道和空间特征,提高模型对肺音关键特征的捕捉能力。基于ICBHI2017数据集,进行正常音、哮鸣音、爆裂音、哮鸣音和爆裂音结合的分类。结果方法在分类的准确率、敏感性、特异性以及F1分数上分别达到85.68%、93.55%、86.79%、90.51%。结论所提方法在ICBHI 2017肺音数据库上取得了优异的性能,特别是在区分正常肺音和异常肺音方面。

多模态大模型监控视频分析技术研究

随着信息化基础设施的技术进步及相关部门、个人对安防的重视水平提高,监控视频分析要求急剧增加,但传统的人工巡检手段、机器学习算法在分析监控视频时存在错漏度高、适应性弱、泛化性差等问题。对此,文章提出了一种多模态大模型监控视频分析技术,其中设计了以感知层、编码层、连接层、大语言模型(LLM)为关键骨架的多模态大模型监控视频分析架构与不同的任务提示词,将LLM作为监控视频分析智能体,从而理解、生成并执行任务步骤,最终实现了对监控视频的分析。

基于BERT-GAT表示学习的问答社区最佳回答者推荐

在问答社区中,每天都会出现大量新的问题,为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展.然而,目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐,而用户是否回答某一问题与多方因素有关,特别是问题与用户擅长的知识领域是否匹配有关.因此,本文根据用户回答文本构建的社区知识语料库并对BERT模型进行微调,结合用户社区行为记录和回答赞同数等辅助信息,基于LightGBM模型进行最佳回答者的推荐.在实验中,利用Precision、MRR和Hit指标分析预测结果,结果表明,本文提出基于BERT-GAT表示学习的LightGBM最佳回答者推荐模型在StackExchange三个流行社区中均取得了较好的性能.

基于优化TQWT和LE的变压器绕组状态检测

为实现短路冲击下变压器绕组状态的准确检测,提出了优化可调品质因子小波变换(TQWT)和拉普拉斯特征映射(LE)相结合的方法对变压器短路冲击下的振动信号进行分析。提出归一化奇异值熵作为TQWT分解过程中关键特征参数的选取准则,然后对TQWT分解后的振动信号子带能量序列进行LE,用以获取表征绕组状态的振动信号敏感特征。对某110 kV变压器短路冲击试验下振动信号的计算结果表明:优化TQWT算法可有效提高短路暂态振动信号分解的准确性,经LE获取的振动信号敏感特征可更加清晰地反映变压器绕组机械状态的劣化过程。当特征向量距离的变化超过3倍时,需要重点关注变压器绕组状态,从而为变压器绕组状态检修策略的制定提供依据。

基于Q-learning的碳-电联合套利策略

针对发电企业在电力低碳转型过程中,部署可再生能源发电设备的成本问题,研究了一种基于Q-learning的碳-电联合套利策略。利用电力市场和碳市场价格实时波动的特点,在电力市场中在低价时存储电能,高价时卖出电能。在碳市场中,在低价时购入碳排放权。采取Q-learning算法学习碳-电联合套利策略,以欧洲的3个城市为研究对象,仿真结果表明,应用碳-电联合套利策略可提升可再生能源发电售电收入的1%,减少31%购买碳排放权开支,实现最大化套利目标。由于部署可再生能源发电带来的减排效益,使得碳排放开支再次减少10%-20%。通过将碳市场与电力市场相结合套利,使得套利利润得到了显著提升,验证了所提方法的有效性。

基于PEGIES和TQWT的滚动轴承故障特征提取

针对滚动轴承在强背景噪声下周期性冲击特征难以提取的问题,提出一种基于周期增强的包络谱基尼系数(periodically enhanced Gini index of the envelope spettrum,PEGIES)和可调品质因子小波变换(tunable Q-factor wavelet transform,TQWT)相结合的滚动轴承故障特征提取方法。首先,以PEGIES为TQWT分解效果的评判指标,事先设定品质因子Q和冗余度迭代范围区间,以中心频率比CFR为阈值指标及最大分解层数公式确定对应品质因子Q分解下的最佳分解层数J。通过网格搜索的方式确定最佳品质因子Q,得到其对应的TQWT分解重构子带,选取大于PEGIES均值的子带进行合并处理得到最佳分量,通过Hilbert包络解调得到故障特征。为验证方法的有效性,将XJTU-SY滚动轴承加速寿命实验数据集和DDS(drivetrain diagnostics simulator)实验台实测信号作为研究对象,结合仿真信号结果,与其他方法进行对比,证实本文所提方法能在一定程度上降低转频的干扰,具有更好的故障特征比,能实现更加准确的诊断。

基于Deep Q-Learning的抽取式摘要生成方法

为解决训练过程中需要句子级标签的问题,提出一种基于深度强化学习的无标签抽取式摘要生成方法,将文本摘要转化为Q-learning问题,并利用DQN(Deep Q-Network)学习Q函数。为有效表示文档,利用BERT(Bidirectional Encoder Representations from Transformers)作为句子编码器,Transformer作为文档编码器。解码器充分考虑了句子的信息富集度、显著性、位置重要性以及其与当前摘要之间的冗余程度等重要性等信息。该方法在抽取摘要时不需要句子级标签,可显著减少标注工作量。实验结果表明,该方法在CNN(Cable News Network)/DailyMail数据集上取得了最高的Rouge-L(38.35)以及可比较的Rouge-1(42.07)和Rouge-2(18.32)。

基于多指标优化TQWT和TEO的轴承声发射故障诊断

针对滚动轴承早期故障声发射信号存在信噪比低、调制成分复杂导致故障特征难以识别的问题,提出一种利用多特征指标优化的可调Q因子小波变换(TQWT)和Teager能量算子(TEO)结合的故障诊断方法。以峭度-波形信息熵指标对TQWT参数(主要是品质因子Q)进行自适应选择,分解得到一系列子频带;然后,结合峭度、峰度、稀疏值组成融合指标对子频带进行筛选,对选出的子频带降噪后重构信号;最后求得重构信号Teager能量算子解调谱,通过对解调谱分析得到轴承故障特征信息。仿真和实验数据表明:该方法能在低转速强噪声背景下提取出轴承故障声发射信号中的冲击特征并进行故障诊断。

地震波能量补偿的并行反Q滤波方法研究

在石油勘探地震资料处理中,反Q滤波方法能有效地对地震波进行振幅补偿和相位校正,为地震反演和储层预测提供更准确的信息。对于大规模的地震道集数据处理,反Q滤波方法在CPU计算平台上执行时间较长,影响了地震解释的效率。分析发现,反Q滤波方法大量时间消耗在振幅相位补偿与短时傅里叶变换。在GPU平台上,首先,对振幅相位补偿部分进行并行化;其次,对批量短时傅里叶变换用CUFFT库进行加速;最后,对批量短时傅里叶变换进一步优化并将其应用于反Q滤波方法。实验结果表明,相比CPU计算环境,基于CUFFT库的反Q滤波并行算法效率提升了3.9倍,优化后的批量短时傅里叶变换进一步将效率提升了12%。

基于稀疏分解的海面微动目标识别

海洋环境下杂波较强,慢速微弱目标的多普勒频率往往会落入海杂波多普勒频宽中,传统动目标检测方法难以检测出目标回波。为了解决此类问题,依据海杂波与目标在震荡属性和稀疏特性上的差异,首先利用可调Q小波变换算法分别获得对应的自适应完备字典。然后,运用形态成分分析算法得到对应的目标稀疏系数和杂波稀疏系数;再把稀疏系数与各自的自适应字典相乘得到目标分量与杂波分量。最后,在雷达对海探测数据集下验证了算法的有效性。

海上漂浮式风力机变桨距减载控制研究

海上漂浮式风力机在受到风浪载荷作用,会引起漂浮式海上风机的叶尖位移和平台运动,造成载荷变化,使得风机的稳定性变差。为减小风机受到的载荷影响,基于Coleman坐标变化,提出一种基于模糊PID算法独立变桨距控制策略,利用模糊控制器对PID参数进行在线整定。通过FAST与Matlab/Simulink联合仿真,结果表明:提出的基于模糊PID独立变桨距控制技术有效减小了由漂浮式平台的晃动引起的载荷,提高了平台稳定性;对由叶片摆动引起的载荷有一定的减载作用;同时降低了漂浮式海上风力机塔基载荷,提高了风机的稳定性。

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题,提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量,提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换,得到各小波子带的系数,并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在,提出一种自适应的阈值检测方法,将原始回波信号与海杂波重构信号的差作为检测样本,实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验,验证了所提算法的正确性。