基于形态学分形维数的输电线路故障选相方法

输电线路故障信号是一种典型的非线性信号,分形几何理论为描述非线性故障信号的特性提供了一个有力的分析工具。针对传统分形维数的局限性,本文提出了一种基于局域均值分解（local mean decomposition,LMD）-形态学的分形维数-Elman神经网络的输电线路故障选相新方法。该方法通过对故障电流进行相模转换后,对单一线模分量进行LMD分解得到若干乘积函数（product function,PF）分量,然后选取前4个PF分量进行数学形态学的分形维数估计,最后形成特征向量作为Elman神经网络的输入参数。仿真试验表明：提出的故障分类识别方法能快速、准确地识别各类故障,并且不易受故障初始角、故障位置和过渡电阻的影响,与传统的BP神经网络相比,Elman神经网络具有更好的效果,为准确判断输电线路故障选相提供了一种快速有效的新方法。     

基于支持向量机的励磁涌流识别算法

为提高变压器差动保护识别励磁涌流的能力,将支持向量分类机应用于励磁涌流识别,提出了一种基于支持向量分类机的变压器励磁涌流和内部故障识别新方法.基于励磁涌流和内部故障电流的特点,充分考虑电流互感器饱和的特点提取电流互感器二次侧间断角和二次谐波等特征,并对励磁涌流和内部故障电流的识别方法进行了分析;用EMTDC程序进行仿真,生成训练样本和测试样本,对支持向量机进行了训练和测试.结果表明,应用支持向量分类机对励磁涌流和内部故障进行识别,识别率平均可达99%以上.     

基于PCA-WT的道岔故障电流特征识别

针对道岔故障电流特征识别中存在的特征冗余,提出一种基于小波变换和主成分分析的道岔电流特征提取方法.首先利用离散小波变换对道岔动作电流曲线分解重构得到各频带信息,采用主成分分析法选取有效频带信息建立特征向量以降低特征维度,减少数据计算量;然后利用BP神经网络进行电流特征分类,从而实现道岔故障诊断.以实际现场监测数据作为测试样本,通过实例仿真验证了本文方法的有效性.     

噪声背景下的语音情感识别

为有效实现含噪声的语音信号情感类型的识别,提出了一种基于抗噪声的模糊最小二乘支持向量机的语音情感识别新方法．该方法先提取情感语音的韵律特征和音质特征,再利用模糊最小二乘支持向量机构建最优分类超平面,实现生气、高兴、悲伤和惊奇4种情感类型的识别．试验结果表明,与其他多种语音情感识别方法相比,在不同信噪比下,新方法的情感正确识别率较高,抗噪声识别效果较好,表明了其有效性．     

高压线路电流差动保护的研究

为满足超高压、长距离输电线路对继电保护主保护的要求,本文对基于相关分析的电流差动保护高压输电线路进行了研究,分析采用故障分量系统,以减少负荷电流的影响,该保护线路性能可靠、动作快,对信号的同步要求较低,也较容易实现与整定。     

高压线路电流差动保护的研究

为满足超高压、长距离输电线路对继电保护主保护的要求,对基于相关分析的电流差动保护高压输电线路进行了研究,保护分析采用故障分量系统,以减少负荷电流的影响。该保护线路性能可靠、动作快,对信号的同步要求较低,也较容易实现与整定,是今后超高压长距离输电线路主保护的应用方向。     

考虑传输函数特性的行波幅值比较式纵联保护原理

为了精确描述行波在输电线路上的传播过程及其衰减规律,挖掘其携带的故障信息并应用于输电线路继电保护,将线路时域上的波动方程进行Laplace变换,分析了有损均匀传输线的戴维南等效电路,建立了故障附加网络的集总等效电路.在此基础上,推导出输电线两端初始反向行波的数学关系,并提出一种考虑传输函数特性的行波纵联保护算法.该算法利用S变换提取初始行波,计算线路两端初始反向行波的衰减比,依据衰减比识别区内外故障.最后,利用PSCAD/EMTDC仿真数据对保护算法进行测试,结果表明:区内故障时,衰减比大于0.81,区外故障时,衰减比接近0,说明保护算法能可靠识别区内外故障,从原理上克服了线路模型误差、线路参数不确定性等因素产生的不利影响.      

���ڶ������ںϵĹ����ͨ������Ƶ����ʶ�����о�

结合轨道交通客流特点和应用需求,在详细描述人像识别中的图像预处理、人像空间的建立及特征脸识别方法的基础上,研究了全局特征提取、Upper特征提取和Tzone特征提取方法.基于全局特征的识别方法通过提取人像的整体形状特征进行识别,易受表情、姿势、遮挡等的影响.基于Upper特征和Tzone特征在处理表情和遮挡等问题时,与基于全局特征的方法相比具有一定的优势,因此,本文对全局特征、Upper特征和Tzone特征进行了加权融合,提出一种基于多特征融合的人像识别方法.经京沪高速铁路部分车站试点验证,该方法能有效提高人像识别的准确率.     

桥梁非线性自激气动力参数解析识别

随着自激气动力的非线性部分在桥梁风致振动中地位的显现,非线性自激气动力参数的合理确定显得至关重要。结合非线性自激气动力的解析表达式,基于分状态强迫振动风洞试验,提出了一种特征系统实现算法和非线性最小二乘法相结合的非线性自激气动力参数的解析识别方法。理想平板数值仿真结果表明:在无噪声情况下,识别结果与理论值完全一致;在20%白噪声情况下,识别最大误差仅3.7%,表现出较强的抗噪声能力。非线性气动力仿真结果表明:解析法能够精确确定非线性自激气动力谐波阶数,在20%白噪声情况下,各谐波幅值及相位的识别最大误差仅3.2%。将解析法运用于实际风洞试验,进一步论证了该方法的可行性和有效性。      

扩展PRONY算法在输电线路故障定位中的应用

电力系统输电线路发生短路故障后,继电保护装置会迅速动作,这时故障定位系统仅采集到故障后短暂的波形数据.通常情况下,系统采集到的故障波形含有暂态分量,这会影响到基于相量故障定位算法的精度.针对此种情况,本文提出使用扩展Prony算法从故障后暂态数据中提取出基波电压和电流分量,然后使用双端非同步测量定位算法进行故障定位,获得了较为精确的结果.通过PSCAD和MATLAB进行仿真,并将结果与采用在电力系统中应用广泛的全波傅氏算法提取故障后基波分量得到的定位结果进行比较,仿真结果表明本文所提算法能让定位误差减小至0.5%以下.     

跨断层桥梁抗震综述

在交通强国战略深入推进的时代背景下,中国公路、铁路网的发展使得跨越断层修建桥梁不可避免,川藏铁路的规划、设计和修建更让这个问题日益突出. 同时,公路和铁路抗震规范采用避让断层造桥的规定与无法避让造桥的实际情况之间的矛盾也日渐凸显. 在地震作用下跨越活动断层的桥梁比非跨越断层桥梁具有更复杂的受力特点、破坏形式和破坏机理,我国对跨断层桥梁的研究尚处于起步阶段,可供参考的相关文献资料、工程实例以及抗震设计规范缺乏. 为了确保跨断层桥梁的安全性,基于国内外对跨断层桥梁的研究现状,归纳总结了活动断层特征、断层处地震动、跨断层桥梁的破坏特征、跨断层桥梁分析方法以及跨断层桥梁概念设计措施. 梳理了当前跨越断层桥梁抗震存在的问题,并对未来跨断层桥梁的研究进行了展望,指出断层地震空间性、跨断层桥梁破坏机理、多灾害对跨断层桥梁的影响、跨断层桥梁快速抢修技术和人工智能技术在跨断层桥梁抗震中的应用将是未来发展方向,为未来跨断层桥梁抗震设计、性能评估和规范拟订提供参考.      

Low Speed Bearing Fault Diagnosis Based on EMD-CIIT Histogram Entropy and KFCM Clustering

In view of weak defect signals and large acoustic emission(AE) data in low speed bearing condition monitoring, we propose a bearing fault diagnosis technique based on a combination of empirical mode decomposition(EMD), clear iterative interval threshold(CIIT) and the kernel-based fuzzy c-means(KFCM) eigenvalue extraction. In this technique, we use EMD-CIIT and EMD to complete the noise removal and to extract the intrinsic mode functions(IMFs). Then we select the first three IMFs and calculate their histogram entropies as the main fault features. These features are used for bearing fault classification using KFCM technique. The result shows that the combined EMD-CIIT and KFCM algorithm can accurately identify various bearing faults based on AE signals acquired from a low speed bearing test rig.     

基于引力搜索RBF神经网络的柴油机故障诊断

为了解决RBF神经网络的参数选择问题,以便提高柴油机故障诊断的精度,提出了一种基于引力搜索算法和RBF神经网络相结合的智能故障诊断方法.该方法首先采用减聚类算法确定网络隐层单元数,然后提出改进引力搜索算法优化RBF神经网络的参数.利用国际标准样本集对该方法进行分类测试,并将该方法应用于柴油机故障的诊断,仿真实验验证了该方法对柴油机故障的分类和诊断效果.     

变压器油中故障气体的复合预测方法

为了提高对变压器故障的预测能力，提出了灰色粗预测、自学习神经网络在线修正的复合预测法．此法是利用GM（1，1）模型初步预测油中溶解气体的浓度及变化趋势，通过分析故障气体组分之间的影响及气体浓度时间序列之间的关系确定修正参数，将初步预测结果与修正参数作为自学习BP网络的输入，从而完成预测结果的在线修正．该方法已用于实际变压器油中溶解气体的预测，结果验证了其有效性．     

基于UIO的摆式列车倾摆控制系统执行机构的故障检测

提出了一种利用未知输入观测吕（ＵＩＯ）对摆式列车倾摆控制系统执行机构进行故障检测的方法。该方法是干扰解耦原理的一个应用,通过一个全阶未知输入观测器使残差对未知输入不敏感,而对故障敏感,通过一个简单阈值逻辑来检测故障,通过计算机仿真证明了该方法的有效性。     

船舶电力系统中交流配电网零线故障的诊断

船舶电力系统中采用的三相四线制交流配电网中零线故障时有发生,为了保证船舶电力系统的供电连续性及最大可能地缩短船舶停电时间,本文结合一起零线故障的实际情况,运用电路理论分析了零线故障产生的机理及其危害性,指出三相四线制交流配电网零线接地的重要性,并提出了防止此类事故的基本措施和具体方法。     

摆线针轮减速机的逻辑诊断与故障树分析

应用逻辑诊断与故障树分析法对摆线针轮减速机进行了可靠性分析，用所建立的故障树判明了基本故障，确定了故障的原因与影响因素之间的逻辑关系，对该机的现场可靠性实验及定量分析，为进一步提高摆线针轮减速机的可靠性提供了理论依据。     

Fault Detection Observer Design for LSFDJ： A Factorization Approach

Based on a new special co-inner-outer factorization, a factorization approach for design fault detection observer for LSFDJ was proposed. It is a simple state-space method and can deal with time varying LSFDJ with sensor noise and sensor faults. The performance of the fault detection observer is optimized in an H∞ setting,where the ratio between the gains from disturbance and fault to residual respectively is minimized. The design parameters of the detection observer were given in terms of the solution to the Riccati differential equation with jumps.     

基于改进SBELM的耦合故障诊断方法

为了对主减速器的耦合故障进行识别,通过对振动信号经过集成经验模态分解(ensemble empirical mode decomposition, EEMD)所获得的高频分量采用自适应阈值降噪和对低频分量采用区间阈值降噪,有效去除了信号噪声,创建了配对多标签分类策略(paired multi-label classification,PMLC).基于PMLC和稀疏贝叶斯极限学习机(sparse Bayesian extreme learning machine, SBELM)用单故障样本构造概率分类器集,再采用网格搜索方法生成最优决策阈值,将分类器集的概率输出转换为耦合故障模式,提出了基于自适应区间阈值降噪和SBELM的耦合故障诊断方法,并用主减速器的实际样本集验证了该方法的性能.研究结果表明:该方法的诊断精确度达到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的诊断方法提高了5%;该方法的训练时间和执行时间为131.4和61.3 ms,比基于SVM的诊断方法减少了70%.