基于低压直流断路器的机械故障机理分析与特征提取技术研究

直流断路器是轨道交通直流牵引供电系统的核心保护设备,是直流供电系统安全运行的保证,确保其稳定运行至关重要。文中针对直流牵引断路器机械结构特点,进行了断路器机械故障模拟实验,选取分合闸线圈电流及振动信号作为监测物理量,研究其机械故障机理与特征提取方法。研制信号采集硬件装置,搭建直流断路器机械故障模拟实验平台,模拟6种常见的机械故障。采集不同故障下的线圈电流及振动信号进行特征提取后进行故障机理分析,为低压直流断路器机械故障诊断提供理论支撑。

一种面向PUF的模糊提取器设计与实现

基于SRAM等方案实现的物理不可克隆函数(PUF)易于受电压变化、热噪声等环境因素影响,存在可复现性较差的内在缺点,因此极大限制了其在密码和通信等领域的应用。借助BCH码的精确纠错译码特性,设计了一种具有大纠错容量的模糊提取器,用于实现SRAM原始数据的重建。搭载本设计的SRAM PUF芯片在华虹宏力0.11μm CMOS平台制造,模糊提取器部分消耗面积为306267μm 2,搭载的本源BCH码具有127 bit的码长和27 bit的纠错能力,满足PUF的实际应用需求。

振动信号特征提取下的高压断路器可控开断运行故障检测方法

高压断路器是电力系统中重要的高压开关设备,其主要通过对电路的开断和闭合来实现对电力系统的控制与保护。但在高压断路器开断运行过程中会产生机械冲击,当冲击过大时引发的机械振动容易导致机械故障,从而影响高压断路器自身的机械状态,严重时会破坏电力系统的稳定和安全,为此,研究振动信号特征提取下的高压断路器可控开断运行故障检测方法。采用小波变换技术细化分析高压断路器振动信号,在递归分解的方式下提取可控开断运行过程中的振动信号特征。通过提取的信号特征建立数据集合,以属性定义构建区分矩阵,利用属性约束关系划分振动信号特征相空间。根据振动信号不同特征所处的相空间,在各自相空间内对高压断路器开断运行的故障信号进行重构。在信号重构后获取对应相位关系,检测高压断路器可控开断运行故障,实现检测方法设计。实验结果表明:选择不同的开断运行故障类型作为测试对象,在混合所有类型故障后新方法能够实现较高的检测正确率,具有应用价值。

基于逆变器多模态输出电压的IGBT微小故障特征提取

针对逆变器IGBT模块发生微小故障引起特征信号变化,相较于电路正常运行信号十分微弱、难以检测的问题,提出一种通过采样逆变器端口输出电压来提取IGBT微小故障特征参数的方法。方波控制策略下,逆变器输出电压包含稳态和暂态两种工作模态,可进一步划分为6个暂态模态和6个稳态模态,因此利用Elman神经网络完成工作模态划分。暂态工作模态中,通过将开关状态下的逆变器等效成二阶系统,完成系统的参数辨识;基于此提出一种输出电压原始数据和系统辨识参数相融合的方法,提取二阶系统的超调量、峰值时间以及暂态电压斜率作为暂态故障特征参数,既降低了实际系统原始数据噪声的干扰,又避免了等效二阶系统参数辨识误差对故障特征提取效果的影响。仿真和实验验证了所提方法的有效性。

基于VMD模态分量的高压断路器分合闸线圈电流特征值提取

高压断路器分合闸线圈电流波形中包含着丰富的断路器操动机构和控制回路的状态信息,分析分合闸线圈电流的特性对断路器的状态监测、故障诊断具有重要意义。文中提出一种基于变分模态分解(VMD)模态分量的高压断路器分合闸线圈电流特征值提取方法;通过变分模态分解算法对分合闸线圈电流进行分解,并确定有效反映线圈电流关键信息的模态分量;随后采用削波方式处理模态分量以提取线圈电流波形关键时间点及对应电流特征值。基于断路器实验平台采集的数据样本的实验验证结果表明,该方法能够准确有效地提取分合闸线圈电流关键特征值。

低压分布式光伏并网逆变器漏电流阻容性分量分析与提取研究

由于具备造价低、结构简单及工作效率高等特点,非隔离型并网逆变器在光伏并网系统中得到广泛应用。但因其不设隔离变压器,容易在交流电网、逆变器以及寄生电容的回路中产生共模漏电流,使电流谐波增加,产生安全隐患。因此,文章针对共模漏电流的问题,首先对逆变电路的稳态工作模式进行理论分析,得到漏电流的容性和阻性特征。其次,在理论分析的基础上提出一种基于不同特性谐波提取的漏电流分析方法,实现对漏电流的有效检测及分析。最后,通过仿真分析验证文章所提方法的有效性。

基于单矢量水听器的实时性线谱提取算法

针对单矢量水听器探测条件下的水声目标线谱提取问题,提出一种可实时性迭代计算的线谱提取算法。首先利用矢量水听器声压振速通道的联合信息处理,可提高水声目标信号的信噪比。其次,利用基于极大值滤波器的线谱预处理方法对信号频谱进行峰值检测,进而通过在线谱提取过程中引入缓存器,可以在较小的计算复杂度条件下提高信号处理过程中的时间增益,再结合线谱归并方法可以较为精确的提取出目标线谱。经仿真试验分析及海上实测数据验证,该算法能够在低信噪比条件下实现对线谱的检测,并具有良好的抗线谱漂移干扰能力。

基于多尺度特征提取的IES多元负荷短期联合预测

为提高综合能源系统(integrated energy system,IES)多元负荷预测的精确度,综合考虑多能源相互作用机理、多元负荷耦合特性及气象因素相关性,提出了一种基于多尺度特征提取的IES多元负荷短期联合预测方法。首先,通过最大互信息系数(maximum information coefficient,MIC)研究多元负荷耦合特性及影响因素相关性,选择预测特征;其次,利用变分模态分解技术(variational mode decomposition,VMD)对输入特征进行分解,提升特征纯洁度;最后,采用卷积神经网络-双向长短期记忆神经网络(convolutional neural network-bidirectional long and short-term memory,CNN-BiLSTM)多任务学习模型进行纵向、横向特征选择,注意力(Attention)机制对重要特征差异化提取,实现多尺度特征提取,并利用雪消融优化器(snow ablation optmizer,SAO)对VMD和CNN-BiLSTM多任务学习模型进行超参数优化,以此实现IES多元负荷的联合预测。以美国亚利桑那州实测数据进行实验,结果表明,无论与单一预测方法还是与其他模型相比,所提联合预测方法的均方根误差更低、准确率更高,在IES多元负荷预测中具有更高的精确性和鲁棒性。

基于区间信号提取的Ⅱ型不对称级联逆变器新型PWM调制策略

与传统对称级联逆变电桥(cascaded H-inverter bridge,CHB)逆变器拓扑相比,Ⅱ型不对称CHB多电平逆变器的直流电压按2i的指数规律分配,具有以更少级联单元输出更多电平的优势。但在传统调制策略下,会出现电流倒灌问题,为此提出一种基于区间信号提取的新型脉宽调制(pulse width modulation,PWM)策略,通过原始脉冲信号与提取的区间信号逻辑组合的方式彻底解决所有Ⅱ型不对称拓扑电流倒灌的问题,同时还能保证输出电压的波形质量。最后以直流侧电压比为1:2:4和1:2:4:8两种不同的Ⅱ型级联拓扑为例,通过搭建仿真模型和实验平台验证了所提方案的正确性和可行性。

基于深度学习的逆变器电路图像数据智能识别方法

进行逆变器电路图像数据识别时,特征信息提取不充分使得无法准确捕捉到关键特征,导致识别精度下降。为此,提出一种基于深度学习的逆变器电路图像数据智能识别方法。首先,利用逆变器数据采集系统,采集逆变器电路图像数据。然后,将图像数据输入到卷积神经网络模型中,通过卷积核提取数据的特征。最后,采用YOLO算法对其进行有效识别,基于CA模块对特征信息进行关注,并利用Detect模块输出识别结果。Detect模块主要包括置信度函数和模型的损失函数,将两者结合,利用分类框和检测框来实现对逆变器电路图像的识别。实验结果表明,所提方法的识别误报率最高仅为6%,具有实用性。

基于振动信号的断路器机械故障诊断研究

随着智能化配电网的发展,断路器的健康状态保障着电力系统的稳定运行。断路器在运行中易出现机械故障,因此,准确、及时地发现故障种类,有针对性的状态检修可以避免电力故障带来的安全问题。断路器的故障诊断可以从以下方面来总结:获取信号、特征提取、故障分类和状态检修。信息和传感器技术的进步、智能算法的应用改变了以往的专家系统诊断方式。文章所提方法给断路器的故障识别提供参考依据,最后,讨论了电力设备断路器的故障诊断与在线监测未来发展方向。

M1DCNN模型在燃气调压器故障诊断的应用

燃气调压器的健康状况直接关系到燃气输配系统的稳定和安全运行,针对调压器的故障识别,需要大量的专家经验,且给燃气企业带来较大的运维成本。本文提出一种基于多尺度一维卷积神经网络(M1DCNN)的燃气调压器故障诊断模型,该模型在一维卷积神经网络的基础上,构建多个不同尺寸卷积核和池化层的通道,分别提取调压器出口压力数据特征信息并进行处理,最后进行特征融合,输出诊断故障类别。实验结果表明,M1DCNN模型能更全面的提取故障特征,有效进行故障识别,实现调压器智能故障诊断。

高压断路器机械特性振动信号特征提取和故障诊断方法研究

针对高压断路器机械振动信号,在正常状态、分闸弹簧单根脱落状态和操作及传动机构卡涩状态下,采用模糊C聚类分析算法比较短时傅里叶变换、小波包能量熵和希尔伯特—黄变换3种特征提取方法的分类性能,提出了基于相关向量机理论的断路器机械特性故障诊断方法,搭建了数据采集系统,研究了断路器机械特性不同状态下信号特征值的变化规律,并通过实验证明了特征提取和故障诊断方法的有效性。

组织破碎提取法及闪式提取器的研究进展及应用

随着中药现代化技术的不断发展,运用现代科学技术和方法探讨中药材的提取、分离取得了一定的成果,为中药新药研制提供了有力的手段[1]。在中草药研究的过程中,提取技术是作为整个中药材研究中的的重要环节,提取能否成功直接影响着后期实验的进行和药物的最终疗效,而提取的时间、温度、溶剂对中药材的有效成分的提取及有效率等有着重大的影响。

同步参考坐标法和正、负序基波提取器在电流检测中的比较

简述正、负序基波提取器基本原理,提出无功、谐波和负序电流检测的2种方法,即改进同步参考坐标法和基于正、负序基波提取器的检测方法。改进同步参考坐标法通过对电网正序基波电压矢量的同步旋转跟踪,可以省去锁相环及三角函数的计算;基于正、负序基波提取器的检测方法则可以进一步省去α-β坐标系变换到d-q坐标系及其反变换的计算。仿真与实验结果表明:采用这2种检测算法都能准确地检测电网中的无功、谐波和负序电流;基于正序基波提取器的检测算法比改进同步参考坐标法的实时性更高。

固体载体型元素提取器研制

基于地电化学方法的发展状况及存在问题,分析了地电化学方法的技术改进思想及思路,研制了使用固体材料作为载体物质的"固体载体型元素提取器"。该装置具有轻便、实用、可操作性强、工作效率高等特点,已初步具备规模化应用推广条件。

用离心萃取器连续逆流提取氢化可的松的研究

采用环隙式离心萃取器进行了提取氢化可的松的研究。用醋酸丁酯从发酵液中萃取氢化可的松 ,其传质过程受扩散因素控制 ,且分配系数随平衡水相浓度的增大而增大。开发了用环隙式离心萃取器连续逆流提取氢化可的松的工艺流程 ,当转速为 340 0～ 380 0r/min ,总流量为 40～ 75mL/min ,V(O ,有机相 )∶V(A ,水相 )为 (0 35～ 0 42 )∶1 0 0时 ,氢化可的松的萃取率为91 0 8%～ 93 16 % ,而厂家现行生产工艺采用的V(O)∶V(A)是 0 7∶1 0 ,氢化可的松的萃取率为90 %。因而 ,新工艺提高了氢化可的松的萃取率 。

适用于星敏感器的局部星像提取方法

提出了一种局部区域提取星像的算法。该算法采用星跟踪方法提取已知恒星星像坐标,根据这些已知恒星信息在星图中适当范围内提取未知恒星星像坐标并且识别这些未知恒星。对该算法进行了观星测试和在轨验证,实验结果表明:提取星像坐标时只须扫描星图的45%,从而提高了数据更新率;识别未知恒星时由全天球变为整个天球的0.3%,从而提高了识别率。

基于振电结合的高压断路器特征提取及分类方法研究

为了对高压断路器操作机构的工作状态进行较准确的评估,提高高压断路器机构的运行稳定性,提出了一种基于振动信号与电流信号结合的高压断路器信号特征提取和分类方法。首先通过对高压断路器分合闸线圈电流信号和振动信号的机理分析,提出利用时间节点参数作为特征向量,然后采用曲线斜率方法提取电流信号时间参数,利用基于短时能量的双门限法提取振动事件的时间参数,将两者的参数作为模式识别的特征向量。最后通过支持向量机(Support Vector Machine, SVM)分类结果表明:线圈电流曲线与振动信号相结合能够准确而全面地反映操作机构的运行状况,利用SVM可以快速准确的判断操作机构的故障类型,对于断路器的故障诊断和检修维护具有重要的意义。