基于机器学习的配电网弱故障选线方法研究

在现代电力系统中,配电网作为输电网和用户之间的桥梁,其稳定和高效运行对于保障电力供应的可靠性至关重要。随着机器学习技术的发展和应用,其在故障诊断和处理领域显示出巨大潜力。机器学习的方法能够通过分析和学习大量的历史故障数据,提取出有用的特征,从而实现对弱故障的有效识别和选线。研究基于机器学习的配电网弱故障选线方法,从配电网和弱故障的基本概念入手,阐述机器学习在配电网弱故障选线中的应用原理和方法。详细介绍选线方法的基本框架、数据收集、特征提取及训练过程,并通过技术测试验证所提方法的有效性。

CS自适应随机共振与ITD相结合的轴承弱故障诊断

为了解决轴承早期弱故障诊断的问题,提出将固有时间尺度分解(intrinsic time-scale decomposition,ITD)与布谷鸟自适应随机共振(cuckoo adaptive stochastic resonance,CASR)相结合的方法进行滚动轴承早期弱故障特征频率提取。针对采集到的滚动轴承振动信号复杂且信噪比(SNR)低、故障特征难以提取的问题,结合ITD能抑制端点效应、运算复杂度低等优势,该方法将信噪比作为随机共振的目标函数,通过仿真信号分析及实例验证,将ITD作为CASR处理信号的前处理,使滚动轴承故障信号显著加强,信噪比提高2.17倍,故障特征得到有效提取。

基于小波—奇异值分解差分谱的弱故障特征提取方法

对于一些复杂信号中的弱故障特征信息,以往的两种小波—奇异值分解(Singular value decompositiom,SVD)组合模式的特征提取效果不佳,从小波的频率窗特性出发分析了出现这种问题的原因,进而对复杂信号的奇异值分布规律进行研究,据此提出一种新的小波-SVD差分谱组合模式。对原始信号做小波分解得到一系列细节信号后,不再将这些信号简单地排列成矩阵,而是利用每个细节信号构造特定结构的Hankel矩阵,再通过SVD对每个矩阵做正交化分解,并利用奇异值差分谱来选择特征奇异值进行SVD重构,由此实现对弱故障特征信息的提取。对一个轴承振动信号的处理结果证实该方法对复杂信号中的弱故障特征信息具有优良的提取效果,其获得的故障特征波形非常清晰,克服了以往小波-SVD组合模式对弱故障特征提取效果不佳的缺陷。

一种输电线路弱故障识别方法

输电线路上的绝大多数故障都会引起较强烈的行波信号,很容易被保护装置检测到。但是,在某些情况下,或者由于解耦矩阵的限制,线路上的故障信号本身十分微弱。加之一些高频干扰信号的影响,导致可检测到的故障信号十分有限,利用行波的保护将不能准确捕捉到故障信号,从而导致保护的拒动。本文通过大量的仿真,分析了这类弱故障信号的行波特征,提出了用于识别此类故障的方法,Matlab/Simulink仿真验证了该方法的有效性与可行性。

基于重要点多模型的不等长间歇过程弱故障检测

为了提高不等长间歇过程弱故障检测性能,同时降低算法的计算复杂度,提出了基于重要点多模型(IP-MDKPCA)的不等长间歇过程监测方法。该方法结合核主元分析(KPCA)和时间序列模型捕捉过程动态性和非线性,分阶段单批次建模并聚类,构建多模型监测过程中的弱故障。采用重要点提取方法,不仅解决了批次数据不等长问题还大大减少了计算复杂度。将提出的方法应用于青霉素发酵过程的监控中,验证了提出方法的有效性。

小波分析在IC I_(DDT)弱故障定位研究中的应用

针对IC中的弱故障进行了瞬态电流IDDT研究,发现IDDT信号中带有弱故障信息,在此基础上应用小波分析技术对弱故障IDDT进行了故障定位研究,提取出电路的故障特征参数Td,为实现弱故障定位进行了有益地探索。

自主式水下机器人推进器弱故障辨识方法

针对传统灰色关联分析方法计算关联度时未考虑不同故障信号间的差异性,并且对水下机器人故障信号关联度处理不当问题,本文以特征值相对变化量代替绝对特征值进行归一化处理。根据故障信号类型进行分类,计算同类型特征向量间的关联度。采用正态分布函数计算不同故障信号间关联度,实现推进器的弱故障程度辨识。通过AUV实验样机模拟推进器故障,对本文方法与传统灰色关联分析方法在弱故障程度辨识方面的效果进行对比,本文方法在98%、92%故障信号下的辨识误差比传统灰色关联分析方法分别降低了42.5%、48.4%,验证了本文方法在AUV推进器弱故障辨识中增强故障信号的关联效果以及增强弱故障信号辨识效果的有效性。

基于多层混合滤噪的轴承早期弱故障特征提取方法

为了提取受强背景噪声干扰的信号中的弱故障特征,提出一种基于局部均值分解的多层混合滤噪方法(Local Mean Decomposition-Multilayer Hybrid De-noising,LMD-MHD)。针对LMD分解所得的乘积函数(Product Function,PF)分量可能存在虚假分量的问题,提出一种多指标综合决策方法,结合各指标在不同故障阶段的量化能力,筛选出合理的有效PF分量。将小波阈值滤噪设为奇异值分解(Singular Value Decomposition,SVD)的前置处理单元,使保留的较大奇异值以特征信息贡献为主,减少干扰成分,并采用信号快速傅里叶变换结果中主频率个数来确定奇异值重构阶数。轴承早期故障振动信号的试验结果表明,该方法能够可有效滤除随机噪声和脉冲干扰,提取强背景噪声下的早期弱故障特征,提高轴承故障诊断的准确性。

基于包络解调的离心式压缩机弱故障信号增强方法研究

在离心式压缩机使用要求不断提高下,为了增强故障诊断精确性,提出基于包络解调的非平稳工况下离心式压缩机弱故障信号增强方法。将小波包分析和独立分量分析结合,通过小波包分析法对含有噪声的混合信号进行降噪,根据FastICA算法分离降噪后的混合信号,对分离出的信号采用收缩函数实行频段内的去噪操作,完成多源故障信号分离去噪。在故障信号分离的基础上,考虑到被分离出的信号伴随着微弱噪声,进一步通过包络解调随机共振实现弱故障信号增强。对多源信号分离结果进行包络解调操作,并对包络信号实行变尺度随机共振输出处理,实现故障特征信号增强,达到故障诊断的目的。通过实验分别对此方法的信号去噪增强效果和故障诊断精确性进行验证,实验结果表明,该方法不仅弱故障信号增强效果显著,且故障诊断鲁棒性强,精度高,具有可实践性。

船用柴油机曲轴轴瓦弱故障特征提取及检测研究

船用柴油机轴瓦磨损引起的振动通常表现为具有一定随机性的周期性脉冲响应,属于多分量信号,通常被其它确定性分量所掩盖,这会降低传统包络分析用于故障特征提取的效率。为了提取船用柴油机曲轴轴瓦弱故障特征,采用Hilbert变换在时域和频域计算包括离散频率分量和循环冲激响应在内的多分量信号的包络。信号的平方包络通过零频率谐振器以精确定位周期脉冲。谐振器输出的频谱在故障频率处出现峰值。用周期脉冲模拟噪声信号解释该算法的工作原理。以实验数据验证该方法有效。通过与基于Hilbert-Haung变换(HHT)的方法的比较,证明该方法的有效性。

纺织设备控制装置弱电故障维修实践

探讨纺织设备控制装置弱电故障适宜的维修方式。根据纺织企业设备现状,将纺织设备控制装置分为调速类控制装置、可编程控制器、开关电源、集成电路板4种,概括了每种控制装置的故障特点,并通过№21C型络筒机、K44型细纱机等几个典型的维修实例进行了说明,对比了自主维修和托外维修的成本。认为:企业通过自主维修,可以获得明显的经济效益。

模糊离散事件系统的弱可诊断性

针对故障诊断方法对系统要求过高的问题,研究模糊离散事件系统(Fuzzy Discrete Event Systems, FDES)的弱故障诊断,提出一种弱模糊诊断方法,将经典离散事件系统(Discrete Event Systems, DES)的弱故障诊断方法拓广至模糊系统。先对模糊离散事件系统的弱模糊故障可诊断性进行形式化;为验证模糊系统的弱模糊故障可诊断性,构造了一个验证器自动机,得到模糊离散事件系统弱模糊故障可诊断性的充分必要条件,实现了对模糊离散事件系统的弱模糊故障诊断。该方法既适用于模糊离散事件系统的弱模糊故障诊断,又适用于经典离散事件系统的弱故障诊断。

弱电网对称短路故障期间DFIG风电系统动态稳定性分析

文章建立了弱电网短路故障期间,考虑锁相环和电网传输线路的双馈风力发电系统小信号状态空间模型。基于小信号状态空间模型,研究了双馈风电系统在低电压穿越过程中的动态特性,从机理上阐明弱电网对称短路故障期间系统的振荡失稳原因,并对故障期间的双馈风力发电系统进行了全面模态分析,确定了系统最弱阻尼的振荡模态。通过特征根轨迹,综合评估了电压跌落程度、锁相环带宽、转子电流环带宽对双馈风力发电系统小信号稳定性的影响。最后,通过Matlab/Simulink仿真验证了理论分析的正确性。

基于随机共振的滚动轴承故障弱信号的提取

为了提高滚动轴承故障弱信号提取的精准度和效率,引入随机共振技术。通过随机共振的信噪比峰值完成故障弱信号去噪处理,得到弱信号频率范围并实现滚动轴承故障弱信号数据追踪。以追踪的数据为基础,采用信号分析算法结合信号频率扩散强度对信号进行初始分析,将关系数据存储至中心系统,以供后续提取操作,加深系统操作,转换数据信息,过滤无关数据,实现对信号的提取。实验结果表明,所提方法能够在较高程度上稳定系统的工作状态,提高对信号的提取精细度,降低检测耗时。

小波尺度谱同步平均在弱信息识别中的应用

旋转机械的早期故障特征微弱,容易受到噪声的干扰,不容易准确识别。而旋转机械发生故障时其振动信号往往是非平稳信号,不同的非平稳性对应不同的故障状态。连续小波变换可以通过伸缩平移变换对信号进行多尺度细化分析,能够在不同的尺度上描述信号的局部特征,因此有利于故障信号的检测。时域同步平均可以削弱观测信号中的随机成分,降低噪声干扰,提取与平均周期相关的确定性信号,提高信噪比。结合小波变换和同步平均的优点,提出小波尺度谱同步平均的方法。对多周期的振动信号进行小波连续变换,并进行尺度谱重排,获得重排小波尺度谱;根据信号的周期性,对尺度谱进行同步平均,同步平均后的尺度谱可以有效地抑制干扰噪声,识别弱故障信息。通过仿真分析和实例分析验证了本方法的有效性,为旋转机械的早期故障诊断提供了新方法。

一起高阻接地故障时线路差动保护拒动的分析及其改进研究

通过对一起线路高阻接地故障时电流差动保护拒动的分析,得出是由于弱故障侧电流启动元件灵敏度不足使得线路两侧差动保护启动元件没有同时动作的原因。因此提出了一种改进的电流差动保护双端零序电流电压辅助启动方法。改进后的辅助启动元件借助线路两侧电流或电压中的故障分量信息,提高了弱故障侧电流差动保护启动性能。现场故障录波数据回放以及RTDS仿真结果显示,改进后的电流差动保护在高阻接地故障,尤其是对于在靠近线路一侧故障而远故障侧仅感受到很小的故障量时,动作性能有明显提升。

EEMD与SVD的齿轮故障诊断技术研究

对齿轮信号奇异值分布规律进行研究,提出一种EEMD-SVD差分谱组合模式。对原始信号做集合经验模态分解得到一系列固有模态分量,对其进行有效的筛选并且重构,对重构的信号构造Hankel矩阵,再通过SVD对矩阵做正交分解,利用奇异值差分谱来选择奇异值进行SVD重构,由此实现对弱故障特征信息提取。从齿轮信号的处理结果看出,该方法对复杂信号中的弱故障特征信息具有优良的提取效果。

基于FPGA的传感器故障诊断算法研究与实现

对于目前传感器设备故障诊断方法在诊断过程中会导致实际生产中弱故障诊断不灵敏,无法有效识别故障,并且充分考虑实际生产过程中的特点,提出基于FPGA的传感器故障诊断算法设计。在不同残差空间中分析故障,使系统对于弱故障诊断的精准性得到提高。使用迭代算法对主元分析算法模型进行更新,利用残差空间平方加权预测误差变量的重构对故障进行确定,从而对传感器故障进行在线诊断。最后,通过企业实际数据实现此方法的在线故障诊断实验。实验结果表明,此种方法能够有效诊断传感器设备故障。

基于dq变换和小波包变换的微网故障检测方法

针对传统的扰动检测法无法区分正常扰动状态与弱故障扰动状态的问题,提出了一种基于dq变换和小波包变换的微网故障检测方法,该方法使用每条母线上d、q轴故障电流的平方和作为解析电流,并利用小波包对其进行分解,进而利用各层小波包系数来构建故障检测判据。仿真试验结果表明,该方法能够有效区分正常运行状态、正常扰动状态和强、弱故障扰动状态,且不受接地电阻、故障类型/时间/相、负荷/DG的投切等各种因素影响,具有很强的适应性与工程应用价值。