基于模糊神经网络的数据通信子系统全局故障诊断

基于模糊神经网络理论,提出一种基于模型构建的数据通信子系统(DCS)全局故障诊断方法。全局故障诊断模型的输入空间由故障征兆集组成,诊断过程由全局故障诊断规则实现,输出空间由故障类别集组成。基于对DCS系统结构的分析,选取了一些关键设备信息作为故障征兆信息。将故障征兆信息中的物理向量分析转化为算术数值判断,创建决策矩阵,构建全局故障诊断规则,实现了故障类别综合判定,从而完成全局故障诊断模型构建。以工程实例中的DCS典型故障类别为验证对象,对全局故障诊断模型进行了试验验证。该方法丰富了DCS故障诊断方法,总体精度可达到91.29%。

基于模糊穴映射方法的牵引变压器全局故障诊断

针对基于DGA的牵引变压器故障诊断方法中的不足,提出一种基于模糊穴映射方法的牵引变压器全局故障诊断方法。此方法在DGA分析基础上,增加了组件电阻、电流等多种故障信息,通过DGA与模糊穴映射方法的融合,实现牵引变压器故障的全局诊断。试验结果表明:这种方法对于牵引变压器全局故障诊断而言,可以更好地分析各类故障产生原因,明确有效输入与故障特征类型,避免单一特征数据集对牵引变压器故障诊断的局限性,具备可行性、高准确率。