基于多标签分类的传感器网络数据故障检测算法

传感器网络中多种数据故障会同时出现,为了同时检测出多种数据故障,使用多标签分类模型对传感器网络数据故障的检测过程进行建模。为了提高多标签分类器对数据故障的检测性能,提出了一种基于多标签Relief F和遗传算法的特征选择算法。该方法将Relief F扩展成可以对特征子集进行评估的多标签Relief F,特征选择过程首先使用遗传算法搜索特征子集,然后使用多标签Relief F对特征子集进行评估。在三个多标签分类器上的实验结果表明,提出的特征选择算法可以显著地提升多标签分类器对传感器网络数据故障的检测性能。

使用双端数据故障定位方法的研究

以分布参数作为高压输电线路的模型 ,使用线路两端电压、电流的正序分量 ,对高压输电线路短路故障提出了一种新的测距算法。该方法两端数据不必同步采样 ,短线路故障直接取 tan hγχ≈γχ,先求出不同步采样角 ,再计算出故障位置 ;而对长距离输电线 ,则提出一个修正系数来修正 tan hγχ≈γχ的误差 ,通过一欠迭代计算获得准确的故障位置。其测距精度不受系统运行方式变化和过渡电阻的影响。仿真计算表明该方法有效。

动态交通数据故障识别与修复方法

为提高交通模型输入信息的可靠性,通过对交通传感器采集到的动态交通数据的故障进行识别,并根据不同的故障种类采取补充、还原或修正等方法对数据进行修复。分析结果表明,动态交通数据的故障识别与修复方法是可行的,尤其是对数据的补充处理,可以很好地解决因为数据丢失而给后续处理带来的困难。

接入网络数据故障集中管理维护常见问题及对策

分析接入网络数据故障集中管理维护中的常见问题,研究接入网络数据故障集中管理维护问题的解决对策,以期为相关工作者提供参考。

台站新型自动站采集数据故障检测方法

现阶段基层气象台站从单纯的气象观测向为软硬件维护和观测数据分析转型,如何保证台站新型自动气象站采集成功率,直接影响着观测数据可用率、正确性,本文就如何判断采集故障进行分析。

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明:与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。

基于关联规则的油田大型机泵设备振动故障数据采集方法

为了在不同工况下获取完整的振动故障数据,设计关联规则的油田大型机泵设备振动故障数据采集方法.提取大型机泵设备振动故障数据特征,在数据标准阈值中设定预警值与报警值,获取故障数据的全频域信息;基于关联规则方法优化振动故障数据采集完整性,通过分解、排序、更新三个步骤在处理噪声的同时保证数据完整性;引入连续采集算法判定振动数据故障阈值,优化完成油田大型机泵设备振动故障数据采集.实验表明,该数据采集方法可以在六种工况下,有效获取机泵设备回旋振动与纵向振动的完整故障数据,具备实际可行性.

基于数据校核与图卷积神经网络的高容错配电网故障诊断方法

目前运用配电网中的多源故障遥信数据对配电网故障进行诊断的技术逐渐火热,但由于信息的误报、漏报使得诊断结果往往不尽如人意。针对配电网多源故障信息不健全的问题,本文提出了一种将数据校核操作与图卷积神经网络相结合的高容错性配电网故障诊断方法,旨在利用不健全故障信息对配电网进行故障诊断。首先,将多源故障遥信数据作归一化处理后再进行数据校核,从源头改善数据的不健全性;接着,根据配电网图模将多源故障数据转化为故障图数据;最后,将故障图数据送入图卷积神经网络进行学习训练,训练完毕的模型在部署后可实现对配电网的故障诊断。在Python 3.7平台进行实验,通过算例分析证明本文所提方法可有效提高配电网故障诊断的容错性。

基于故障录波数据的变电站故障分析系统研究

基于故障录波数据的变电站故障分析系统是针对电力系统故障处理中的实际需求而设计的一种关键技术手段。本文系统通过对变电站故障录波数据的深入分析和处理,实现了对电力系统故障的快速准确诊断和处理,为保障电力系统的安全稳定运行提供了重要保障,期望能够为相关人员提供参考。

基于双模型自适应估计的大气数据传感器故障诊断方法

大气湍流是大气中一种不规则的随机运动,在机载大气数据传感器的测量过程中,大气湍流影响与传感器故障相互耦合,导致大气数据传感器故障诊断算法无法将故障与湍流影响解耦。针对大气湍流影响下的大气数据传感器故障诊断问题,基于惯性测量单元和导航姿态解算,考虑湍流对大气系统的影响,建立新型大气系统模型及量测模型。在对双模型自适应估计算法进行扩展后,引入湍流对系统影响的协方差自适应更新方法,实现存在未知扰动情况下故障状态的无偏估计。仿真结果表明,该算法可以有效实现对固定偏差故障、漂移偏差故障和振荡故障的诊断。

基于试验数据的发动机典型振动故障库系统设计与实现

针对发动机试验台大量振动故障数据不便查找、管理及利用率较低等缺点,利用QT用户界面应用程序开发框架,设计友好的人机交界面,结合MySql数据库,实现振动故障相关数据的管理、导入导出和归纳统计等,利用该应用软件,实现了故障件基本信息、故障现象、故障分析、故障特征频率、频谱图和原始数据等一系列数据的查询和更新,便于后续同类故障检测和诊断,为试验台地面健康管理系统和故障专家分析系统的建立提供数据支持和依据。

基于仿真数据和子领域自适应的轴承故障网络诊断框架

在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用。基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,提升了模型对真实信号的诊断精度。首先,采用数学建模和基于LS-DYNA的有限元仿真两种方式建立了轴承故障仿真模型,以获取与实际场景相同工况下的轴承故障仿真加速度信号;其次,针对仿真数据和真实数据存在差异的问题,利用子领域自适应方法得到了对齐仿真数据和实际数据的全局特征分布以及相关子领域的特征分布;最后,采用原始一维振动信号作为输入,在残差神经网络(ResNet)模型架构上完成了端到端的轴承故障分类工作;将德国帕德博恩大学采集到的轴承故障信号作为实验数据,对上述模型的有效性进行了验证。研究结果表明:相较于有限元仿真,数学建模生成的仿真信号能够较轻易地迁移到实际信号,在无标签数据场景下具有99.73%的轴承故障识别精度,体现了数学建模在无监督轴承故障诊断领域的广阔应用前景,是在真实工业系统和人工智能之间架起桥梁的关键技术。

基于载波调制的光纤通信故障数据诊断方法

光纤通信信号一般具有复杂的低频成分,在通信信道中传输难以匹配信道特性,导致光纤通信故障诊断准确度不高,因此提出了一种基于载波调制的光纤通信故障数据诊断方法。该方法通过采集并预处理光纤通信信号,将采集信号加载到高频载波上实现载波调制,然后输入BP神经网络进行初步故障诊断。进一步利用换班测试法确定故障数据在通信链路上的位置。实验结果表明,该方法在实现光纤通信故障数据诊断的同时,能够准确定位故障数据在通信链路中的位置。

售后故障数据驱动的家用空调零部件现场可靠性改进方法

基于家用空调售后服务信息中所蕴含的反映空调零部件现场可靠性的售后故障数据信息,提出了一种基于售后故障数据驱动和应用失效模式及影响分析(FMEA)改进家用空调零部件现场可靠性。首先给出了从售后服务信息中挖掘零部件售后故障数据的相关标准、流程和数据处理方法;其次,基于售后故障数据估计零部件的现场故障率,进而确定现场可靠性改进的对象;最后,以某型家用挂壁式空调为应用研究案例,基于挖掘得到的售后故障数据的零部件现场故障率估计结果,确定以室外电控主板为改进对象,给出了应用FMEA改进其现场可靠性的完整过程。文章给出的方法具有一般性,不仅可有效指导家用空调现场可靠性的改进,也对冰箱、洗衣机和热水器等家电产品现场可靠性的改进具有借鉴意义。

数据驱动下基于改进生成对抗网络的滚动轴承故障诊断方法

为避免大型风电机组因滚动轴承故障影响正常运行,针对风电机组滚动轴承故障诊断与分析展开研究。考虑传统风电机组滚动故障诊断特征提取复杂、仅可辨别真伪、无法识别故障类型等问题,提出一种面向故障数据的基于改进生成对抗网络的滚动轴承故障诊断方法,在阐述传统生成对抗网络工作原理基础上,将传统生成对抗网络中的JS散度替换为Wassserstein距离,形成Wassseratein GAN-GP。以此为基础构建滚动轴承故障诊断模型,利用梯度惩罚方法对诊断模型进行优化,解决模型训练过程中存在的梯度消失问题,在实现学习原始数据分布的基础上,进一步对训练样本集进行扩充。最后设置不平衡数据情况下的实验,结果证明提出滚动轴承故障诊断方法切实有效,可有效降低不平衡与训练数据不足对故障诊断造成的影响。

基于密文属性加密的发变组故障录波数据访问控制方法研究

新型电力系统发电机-变压器组(新型发变组)发生故障时,由于其包含多个方面的数据,造成数据量较大,为减少访问控制的存储开销,基于密文属性加密提出了新型发变组故障录波数据访问控制方法。对数据存储空间密文进行去重处理,计算数据明文哈希值,在扩展位下对向量进行加密处理,实现密文的重复检验。分类处理新型发变组故障录波数据,设置新型发变组故障录波数据访问权限,在文件发布与数据访问之间完成数据的加密与解密,同时设置密钥签名以及验证机制,基于密文属性设计数据访问控制算法。通过实验数据可知,密文属性加密方法分类处理得到故障录波数据的累计贡献率为87.2%,且存储开销较小,证明了所提方法的优越性。

一种新型变压器组故障录波数据抗干扰传输方法

变压器组故障录波数据在传输过程中容易受到电磁等干扰的影响,为优化传输效果,提出了基于预编码的变压器组故障录波数据抗干扰传输方法。设计录波数据传输总体方案,将预编码和自适应均衡器相结合,在发送端拆分传输录波数据。选择RS(Reed-Solomon Codes)编码作为预编码方式,通过预编码电路原理图分析编码机制,选择深度神经网络自适应均衡器作为变压器组故障录波数据预均衡的工具,在传输开始前完成信号判决,保证均衡效果;接收端接收到经过拆分的数据后解码,二次均衡接收信号,重新组装分片数据文件,保证数据完整性。测试结果表明:不同均衡器参数配置下,设计的传输方案比特误码率较低、I/O等待时间较短、信噪比较高、均衡性较温度,由此验证了设计方法具有较强的抗干扰能力和收敛性。

基于SCADA告警数据的电网故障类型判断方法

为了提高电网故障诊断效果,提出基于SCADA告警数据的电网故障类型判断方法。构建引入动量项、自适应学习率的改进小波神经网络故障识别模型,采用提升小波对元器件两端线路数正序信号进行分裂、预估、调整等过程分解,获取不同尺度正序信号输入神经网络,输出结果即为细化的电网故障类型。实验结果表明,分解尺度为3时,故障录波信号均方误差最小,小波神经网络性能更稳定。该方法根据相间两相电流突变量情况判断故障类型及故障相,可精准判断电网故障类型及故障原因。

光纤激光网络故障大数据自动分类方法

光纤激光网络通信受噪声影响,导分类效果较差,提出了光纤激光网络故障大数据自动分类方法。对数据进行噪处理,将源域中的样本和目标领域的样本配对处理,采用非线性变换提供故障特征,通过K-means算法和最近邻算法分析数据扰动性,将、征输入到机器学习分类器中分类处理,最终完成故障大数据自动分类处理。经测试证明,所提方法对于不同类型的故障大数据分类时间低于20 s,并且分类正确率、召回率以及F值高于80%、90%和95%,可以快速准确完成故障大数据自动分类处理。

基于BN算法的电力调度多源故障数据融合研究

当电网系统发生故障时,影响电网诊断结果的因素通常为保护器与断路器发生误判。为确保电网在故障状态下能正常运行,文中基于BN算法提出了电力调度多源故障数据融合方法。通过快速判断子系统分析模型、数据库模型、故障录波分析模型、保护装置启动模型、综合分析系统模型、故障信息分析模型建立故障组群模型。利用快速故障分析诊断、故障组群管理系统协调、数据采集、对可疑故障设备的预处理、建立故障设备保护动作、综合分析对故障信息进行分析。应用BN算法确定故障设备,获取故障信息源,同时计算各种不同的故障度,引入DS理论证据分析故障度数据以实现信息融合。实验结果表明,基于BN算法的电力调度多源故障数据融合方法能够快速实现信息重演,确保融合时间提高20%~50%,从而实现快速信息诊断,保证电网运行安全。