A Novel Approach for Fault Diagnosis in Wireless Sensor Networks

The following article has been retracted due to special reason of the author. This paper published in Vol.5 No. 2, 2013, has been removed from this site.

Fractal Characteristic of Pits Distribution on 304 Stainless Steel Corroded Surface and Its Application in Corrosion Diagnosis

Electrochemical techniques and fractal theory were employed to study the corrosion behaviors and pits distribution characteristics on the corroded surfaces of 304 stainless steel exposed in FeCl3 solution. Fractal features of pits distribution over the corroded surfaces were observed and described by the fractal dimension. A 5-8-2 back-propagation （BP） artificial neural network model for the diagnoses of the pitting corrosion rate and pits deepness of 304 stainless steel under various conditions was developed by considering the fractal dimension as a key parameter for describing the pitting corrosion characteristics. The predicted results are well in agreement with the experimental data of pitting corrosion rate and pit deepness. The max relative errors between their experimental and simulation data are 6.69% and 4.62%, respectively.

基于分布鲁棒优化的车-站-网日前能量管理与交易

为考虑上级电网电价、光伏出力等多重多层级不确定性对车-站-网互动博弈模型的影响,且充分体现配电网主动管理技术支撑效果,文中提出了一种基于分布鲁棒优化的车-站-网能量管理与交易方法。首先,针对主动配电网内多元主体能量管理与交易问题,建立了配电网运营商、充电站和电动汽车的日前市场互动框架。其次,融合主动网络管理技术和网络约束,在配电网运营商与聚合了电动汽车的多个充电站之间构建了以多主体各自利益最大为目标的双层Wasserstein分布鲁棒互动博弈模型。然后,提出了结合Karush-Kuhn-Tucker条件、对偶原理和大M法的化简方法以解决多层级不确定性造成的求解难题,将双层Wasserstein分布鲁棒模型转化为单层混合整数二阶锥规划模型,并利用商业求解器YALMIP/GUROBI进行了求解。最后,通过算例仿真验证了所提模型和方法的有效性。

联合收割机滚动轴承故障诊断系统研究--基于声场空间分布特征

首先,介绍了联合收割机滚动轴承振动机理和故障特征,并研究了基于声场空间分布特征的故障诊断流程;然后,对联合收割机滚动轴承的声音信号采集及特征提取进行了深入研究;最后,利用神经网络算法的模式识别对联合收割机滚动轴承的故障进行诊断。验证结果表明:系统对联合收割机滚动轴承故障的综合诊断率为91.67%,系统具有可行性。

融合短时傅里叶变换和卷积神经网络的托辊故障诊断方法

托辊故障已成为带式输送机运行中的常见问题。若不能及时诊断托辊故障,则将严重制约带式输送机的安全运行。为了解决上述问题,基于某矿带式输送机中间段托辊的实际运行工况,提出了一种融合短时傅里叶变换(short-time Fourier transform,STFT)和卷积神经网络(convolutional neural network,CNN)的托辊故障诊断方法。首先,以分布式光纤为基础,对托辊在正常、轴承损坏及筒皮断裂工况下运行时的振动信号进行采集并作STFT处理,得到对应的时频图样本集,并将其分为训练集和测试集。然后,将训练集输入CNN模型以进行诊断模型训练,在训练过程中不断更新不同工况下托辊的运行状态特征。最后,将训练好的CNN模型应用于测试集,并输出托辊运行状态的识别结果。结果表明,所构建的CNN模型的识别准确率高达99.6%。基于所提出的故障诊断方法,在某矿上开展现场实验,以进一步验证CNN模型的识别准确率。实验结果表明,CNN模型对带式输送机中间段托辊的运行状态有较高的识别准确率,可达96.5%,与测试集上的识别准确率仅相差3.1个百分点,说明所提出的故障诊断方法具有一定的可靠性。后续可通过不断增加不同工况下托辊的运行数据来提高该故障诊断方法的鲁棒性,这可为煤矿企业有效诊断托辊故障提供有力的理论基础。

基于BP神经网络和遗传算法的设备故障诊断与健康管理模型研究

针对目前设备管理存在的故障处理周期长、维护保养任务重、维修成本高的现状,构建了设备故障诊断与健康管理架构,包括设备层、感知层、数据处理及存储层、数据分析层和应用层。其中,在数据分析层,综合采用BP神经网络和遗传算法,建立了设备故障诊断与健康管理模型。最后,以机电设备振动数据为例,进行设备故障诊断模型的预测结果分析,验证了该模型的可行性。研究结果表明,该模型能提高设备故障诊断正确率,具有较好的故障诊断效果;设备预测健康状态与实际健康状态的变化趋势基本保持一致,重合率大于90%。该成果可为制造企业的设备故障诊断与健康管理提供相关策略,有效排除故障问题,降低管理成本。

基于大数据应用的高职院校高水平专业群建设管理研究

高水平专业群建设是一项复杂的系统性工程,是专业群内部与外部结构要素的深度融合。涉及专业领域众多、数据和资源繁杂,必须采用数字化管理,运用大数据思维构建专业群建设管理体系,以教师发展、学生成长为目标开展专业群的诊改,动态调整专业群组建和优化专业群资源配置,提升专业群建设管理水平和建设质量。

基于5G的配电网智能故障诊断方法

配电网是电网中发生短路故障最多且智能化程度较低的地方。目前主要使用基于零序电流比幅法来进行接地故障的故障诊断,但存在非接地故障识别率低和无法快速识别等问题。采用5G通信技术,提出三序复合电流检测法并结合广义回归神经网络(GRNN,generalized regression neural network)来实现配电网故障诊断的实时传输与快速决策。测试结果表明可提升非接地故障的识别率达20%以上,解决了以往通信不可靠和故障诊断智能化不高等问题。

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。

超立方体在对称PMC模型下的g-好邻条件诊断度和g-额外条件诊断度

故障诊断在维持多处理器系统的可靠性中起到了至关重要的作用,而诊断度是系统诊断能力的一个重要度量参数。除经典诊断度外还有条件诊断度,如g-好邻条件诊断度、g-额外条件诊断度等。其中g-好邻条件诊断度是在每个无故障顶点至少有g个无故障邻点的条件下定义的一种条件诊断度,g-额外条件诊断度是在每个无故障分支包含超过g个顶点的条件下定义的一种条件诊断度。故障诊断需要在特定的诊断模型下进行,如PMC模型、对称PMC模型等。对称PMC模型是在PMC模型的基础上通过添加两个假设而提出的一种新的诊断模型。n维超立方体因具有多种优越性质而被研究者们广泛研究。目前有不少在PMC模型下的诊断度研究,但缺乏在对称PMC模型下的诊断度研究。文中首先证明了超立方体在对称PMC模型下的g-好邻条件诊断度的上界和下界,当n≥4且0≤g≤n-4时上界为2^(g+1)(n-g-1)+2^(g)-1,当g≥0且n≥max{g+4,2^(g+1)-2^(-g)-g-1}时下界为(2n-2^(g+1)+1)2^(g-1)+(n-g)2^(g-1)-1。还证明了超立方体在对称PMC模型下的g-额外条件诊断度的上界和下界,当n≥4且0≤g≤n-4时上界为2n(g+1)-5g-2C_(g)^(2)-2,当n≥4且0≤g≤min n-4,23 n时下界为3/2n(g+1)-g-5/2C_(g+1)^(2)-1。最后通过模拟实验验证了相关理论结果的正确性。

基于并行融合深度残差收缩网络的有源配电网故障诊断

针对含分布式电源的配电网故障呈现方式多样化以及故障诊断易受分布式电源类型、输出功率等非线性因素影响等问题,提出一种基于并行融合深度残差收缩网络(P-FDRSN)的故障诊断模型。首先,构建具有故障识别支路和故障定位支路的并行网络结构——P-FDRSN,在残差模块中引入收缩机制,减少网络中噪声或冗余信息的影响,提高网络对噪声的鲁棒性;其次,将故障录波信号波形幅值变化转换为灰度图和时频图,送入深度残差收缩网络进行深度特征提取并在汇聚层中将获取的特征进行融合,以增强故障录波信号的特征学习能力。仿真结果表明:在不同分布式电源类型和不同输出功率下,模型故障定位与识别精度均能保持在98.75%和97.25%以上,即使在噪声干扰的情况下,诊断准确率仍可保持在96.75%以上,模型具有较高的精度和较好的自适应性。

基于贝叶斯网络信息融合的直流配电网故障诊断方法

新型直流配电系统故障期间暂态特征复杂多变,继电保护存在拒动和误动情况。为了避免继电保护的不正确动作对故障诊断产生影响,提出一种基于贝叶斯网络信息融合的直流配电网故障诊断方法。首先,对传统继电保护贝叶斯网络模型进行改进,同时考虑直流配电网故障限流策略,分别构建保护动作信息、断路器动作信息和限流策略信息3种贝叶斯网络模型,对故障区域内各元件的故障概率进行初步评估。其次,利用D-S证据理论将各元件对应的故障概率信息进行融合,完成故障元件的判别。然后,应用故障元件对应的贝叶斯网络模型识别误动或拒动的保护装置与断路器,实现对直流配电网的故障诊断。最后,通过算例验证了所提故障诊断方法的可靠性以及准确性。

不平衡数据下基于改进门控卷积网络的轴承故障诊断

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方法,用于数据不平衡条件下的故障诊断。首先,提出改进门控卷积层以增强特征提取能力,通过批量归一化技术提高模型的泛化能力。然后,使用标签分布感知边界(Label-distribution-aware Margin,LDAM)损失函数提高模型对少数类的敏感度,减小数据不平衡对模型的影响。将所提算法应用在两组故障轴承数据上,在数据不平衡率为20:1的情况下,所提算法仍然可达到92.71%和94.47%的故障识别率,而对比的其他主流深度学习模型在该情况下只有60%~72%的准确率,表明所提方法在数据集严重不平衡情况下具有很强的诊断能力和鲁棒性。

基于BIM的智能运维管理监控系统设计与实现

为切实提升生产设备的信息化和智能化水平、提高生产效率和故障诊断能力,设计一套基于BIM的智能运维管理监控系统。系统将多源传感器数据融合,结合BIM技术进行展示,并引入基于专家经验转化的故障诊断技术。该系统已保障某场站安全运行生产200余天,达到很好的预期。同时,系统产生160 GB原始监测数据和专家经验标定结果,为后续引入基于机器学习的故障诊断方法提供原始训练数据支持。

融合信息物理社会因素的配电网可靠性评估方法

为分析重大社会活动中信息系统先进技术和社会系统应急保电措施对配电网可靠性的影响,文中提出融合信息物理社会因素的配电网可靠性评估方法。首先,为分析信息物理社会系统的相互作用,构建了配电网可靠性的信息物理社会交互框架。然后,通过构建设备发展型和破坏型故障状态转移模型,量化了信息系统中缺陷诊断、风险预警技术作用周期以及社会系统中检修人员技术水平与设备故障率的关系。通过构建设备故障恢复时间模型,量化了信息系统中故障定位技术精度以及社会系统中交通路况、应急物资充裕度与设备故障恢复时间的关系。最后,为了验证框架和模型的有效性,文中建立了一个包含信息物理社会系统基本信息的测试系统。结果验证了信息、社会系统对配电物理系统可靠性的提升作用。

基于改进图卷积神经网络的配网线路故障诊断

随着电网的不断扩容,系统结构越来越复杂,多故障频发,而多故障是故障诊断的关键和难点。为解决故障处理数据量大,需要快速、准确地诊断电网故障的问题,本文提出了一种基于模糊优化图卷积神经网络的配网故障诊断模型。首先处理采集的配网故障线路的特征数据;其次,搭建基于图卷积神经网络的故障诊断模型,利用模糊理论建立配电网故障的隶属函数;最后利用训练好的模型进行配网故障诊断。仿真结果表明,模糊优化图卷积神经网络对多故障诊断的准确率高于卷积神经网络以及其他方法,本文方法做出的诊断结果更加精确,综合诊断效果最好。

基于改进BPSO算法的配电网故障诊断监控系统设计与应用

为了提高分布式配电网的安全与稳定性,实现配电网故障的快速定位和处置,构建基于B/S架构的配电网故障诊断监控系统。系统自上而下分为系统评估层、数据分析层和监测执行层。为了满足分布式配电网故障定位要求,在传统BPSO算法基础上,给出3种改进BPSO算法,并通过在分布式配电网中的应用结果,比较3种改进算法的准确度、寻优效率和容错率。结果表明,引入混合蛙跳算法的改进BPSO算法在故障定位准确度和定位效率上明显优于原BPSO算法。

集体产权改革背景下村级财务管理问题研究

深入分析集体产权改革背景下村级财务管理的现状,针对发现的问题提出建设性建议。村集体在财务管理方面存在核算不规范、三资管理制度执行不力、财务队伍建设不完善及经济发展滞后等问题。针对这些问题,提出以下对策:首先,通过发展和扩大村集体经济以拓宽收入来源;其次,建立和完善集体经济的收支预算制度;第三,提升村内财务人员的专业素质和业务能力;第四,强化监督体制,确保其能有效运行;最后,全面推进会计电算化,提高财务管理的效率和透明度。

最优解逼近下配电网线损故障诊断方法设计

针对单纯以一次阈值思路计算引起线损异常导致故障诊断准确率不高问题,设计最优解逼近的配电网线损故障诊断方法。使用等效容量法计算配电变压器容量的分配比值,并根据全网线损功率的变化情况计算接入DG后的配电网线损参数。搭建三层BP神经网络结构,利用拓扑匹配方法对配电网的异常损耗进行匹配,当判定为异常状态时,通过遗传算法优化BP神经网络的权重和阈值,对线损的异常类型进行标记和定位,得到线损异常点的定位结果,根据定位结果进行线损故障诊断。实验结果表明,使用所提方法对配电网线损故障进行诊断,诊断准确率较高,具有较好的应用价值。

基于大数据技术的智能配电网运行状态诊断研究

该文研究了基于大数据技术的智能配电网运行状态诊断,首先介绍了智能配电网运行状态诊断的概念,并探讨了抗差状态估计和配电网抗差估计测量数据的重要性;接着提出了在大数据环境下多元数据融合的配电网状态估计方法,包括数据融合处理和加权最小绝对值抗差状态估计模型的改进;然后针对大数据下配电网运行状态诊断进行了分析,包括评估配电网的运行状态和基于抗差状态估计下的配电网运行状态诊断方案。通过本文的研究,成果可以提高智能配电网的运行状态诊断精度,为保障电力系统的稳定运行提供了一定的参考价值。