基于SPIN算法的异步电机转子断条故障信号分离

目前采用通信技术对异步电动机状态进行监测及故障诊断过程中,常需要加大信息采集量来确保诊断结果的可靠性,造成数据传输占用带宽变大、数据存储占用空间增多的问题.由于考虑到在故障诊断系统中正常信号并不具有故障分析的意义,若将故障信号进行分离提取后作为系统的输入,则数据传输和处理过程可节省出更多时间与空间.因此,提出将SPIN算法应用到异步电机转子断条故障诊断中提取故障信号的过程中,运用MCSA方法将异步电机定子电流信号建模为故障分量与正常分量信号的总和,对原始信号进行梯度投影将分量信号分别恢复出来,进而达到分离故障特征信号的目的.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于LMS形态滤波和Hilbert变换的电能质量扰动定位

针对电能质量中常见的几种暂态扰动,为了实现对其正确地检测和定位,提出了一种最小均方(LMS)自适应形态滤波和Hilbert变换相结合的方法。首先,扰动信号中往往夹杂中各种噪声,采用基于LMS算法的广义形态学滤波器对扰动信号进行降噪处理。然后,对降噪后的信号进行Hilbert变换,提取扰动信号的幅值包络,可以实现对扰动的初步定位。最后,对提取的幅值包络进行后向差分处理,形成定位脉冲,实现对暂态扰动起止时刻和持续时间的精确定位。通过在不同条件下的仿真对比实验,证明了该方法的有效性。     

基于人工智能专家系统的船舶电力系统故障诊断研究

为了提高船舶电力系统在发生故障后锁定故障点的效率,为船员抢修争取到宝贵时间,提高船舶在航行过程中的安全系数.本论文在阐述了船舶电力系统故障特点后,根据故障发生部位的优先级,将诊断模块分为输电线路和其它设备级两个模块,利用matlab程序设计语言设计改进遗传禁忌混合算法预处理数据,并分别使用正向推理和混合推理机制分析数据,同时引入模糊规则,对分析专家系统故障诊断机理在船舶电力系统故障诊断中的改进方案进行了研究,以便于工作人员及时排除故障,对于加强船舶电力系统的稳定性具有重要意义.     

基于随机森林算法的电力系统暂态稳定性评估

利用随机森林算法,通过组合多棵基于随机向量的决策树对电力系统的暂态稳定性分类,提出了一种暂态稳定评估模型.在IEEE 16机和IEEE 50机测试系统进行的仿真验证了该模型对暂态稳定评估的有效性,其评估性能较经典决策树算法、人工神经网络、支持向量机和K最近邻方法均有提高.     

基于电流极性和相对熵的广域继电保护新算法

为了提高广域继电保护的容错性和灵敏度,结合母线采样值保护和线路故障分量差动保护原理,提出一种基于电流极性和能量相对熵的广域继电保护新算法.首先,对线路IED保护关联域进行划分,针对不同关联域,提取正序工频故障分量电流,并给出关联域边界电流、综合计算电流和综合虚拟电流概念;其次,定义综合电流采样值能量相对熵,量化综合电流的差异程度,同时,通过求取关联域边界电流之间的夹角大小来表征边界电流的极性关系,并利用电流采样值能量相对熵和极性关系识别关联域内外故障;最后,利用PSCAD/EMTDC软件搭建IEEE-3机9节点系统模型,分别在不同故障点设置不同故障类型进行仿真检验算法性能.研究结果表明:在关联域区内故障时,综合电流几乎一样,相对熵值很小,接近为0;边界电流间夹角小于π/2,极性近似相同;区外故障时,综合电流波形及采样值能量差异显著,相对熵值大于1;边界电流间夹角接近于π,极性近似相反,二者差异明显;域内单相接地故障时,在800Ω的高阻条件下,相对熵最大为0.428,夹角最大为0.388,仍能可靠满足判据,具有较高的灵敏度.实验结果验证了本文算法性能基本不受过渡电阻的影响,能较好克服TA饱和、数据畸变等不利因素的影响.     

基于颜色差分特性的图像篡改检测

由于自然场景中目标物体表面的反射特性,以及图像采集过程中的CFA插值算法会使得图像三颜色分量之间具有相关性,特别是颜色分量的高频信息之间有近似相等的关系.拼接篡改操作会降低颜色高频分量的谱间相关性,同时也会给图像带来额外的高频信息.本文利用自然图像颜色通道高频分量之间的相关性,分析颜色差分图像中高频信息的分布情况来检测是否有拼接篡改操作.实验证明本文提取的高频特征分类效果较好,能够检测出图像的拼接篡改边缘.     

���ڻ�ɫ�в�GM(1,N)ģ�͵Ľ�ͨ�����ݻָ��㷨

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.     

AT供电牵引网故障测距仿真研究

根据接触网的特点和行波故障测距原理,采用了D型行波故障测距法.利用电磁暂态仿真软件ATPDraw搭建了AT供电方式下的仿真模型,然后对故障暂态电流运用小波分析工具进行处理,以检测暂态电流初始行波波头从而实现测距目的.对A型测距法和D型测距法进行比较知D型测距法测距更精确而且受到牵引网结构的影响更小.特别是存在分支站场的牵引网中,D型测距法完全不受分支点反射行波的干扰,可以单独使用实现行波保护.     

基于能量比法识别波头的AT牵引网故障行波测距研究

针对AT供电方式牵引网的故障定位问题,提出了一种新的基于能量比法的故障测距算法,目标在于提高故障测距精度,缩短定位时间,满足高速铁路列车的应用需求.利用MATLAB软件建立了AT供电方式下的某牵引网结构的仿真模型,并对故障测距算法进行了仿真验证.仿真结果表明:与在变电所调研的故障测距结果相比,误差小于变电所中故障测录仪获得的故障测距误差,定位时间较短,故障测距精度提高,这为后续相关研究及探索奠定了重要基础.     

Parameter identification algorithm for fault location using one terminal data based on frequency domain

Fault locationtechniques for power systemhavebeen investigated for many years.The quicker theaccurate location of a fault,the faster the electricpower restoration of service.The fault location techniques can be classifiedintot wo classes:one uses the data fromone ter minalof trans mission line;the other uses the data fromboth ter minals.The accuracy of one ter minal faultlocators is affected by the assumptions about thefault resistance,the source i mpedance,and the cur-rent flowinto fault from…     

含特殊负荷的配电网分层故障定位方法

特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明:与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.      

�������ɷַ����ij�����ϵ���ϵͳ���ϼ��������㷨

故障检测与隔离是保证组合导航系统容错性能的重要措施。本文针对车辆导航系统的可靠及安全性需求,分析了组合导航系统的传感器故障特性,建立了包含三个数据通路的车辆组合导航系统容错设计结构,提出了一种基于主成分分析的故障检测与隔离算法。该算法利用数据的相关关系,采用正常条件下的导航历史数据建立统计PCA模型,通过一定的统计量控制限检验新的导航数据样本相对于模型的背离程度实现故障检测,并根据不同数据通路的故障检测结果动态调整导航子系统的有效性因数,从而隔离故障造成的影响。仿真结果表明,该算法实现简单,能够有效实现对组合导航系统故障的检测与隔离。     

基于小波变换的斜拉桥索双轴漏磁检测方法

针对在役斜拉桥索只能进行无损检测的特点,提出了基于漏磁检测的缆索缺陷探伤方法以及检测电路.由于检测现场空间磁场噪声较强,导致漏磁信号特征不明显,为此,应用二进小波变换的方法,对周向漏磁信号采用基于高斯白噪声的快速离散软阈值算法进行信噪分离,以确定缆索缺陷程度;对轴向漏磁检测信号进行奇异性检测处理,以获取缺陷的精确位置信息.实验结果表明,该方法可实时获取缆绳索缺陷程度和位置信息.     

Research of Adaptive Neighborhood Incremental Principal Component Analysis and Locality Preserving Projection Manifold Learning Algorithm

In view of the incremental learning problem of manifold learning algorithm, an adaptive neighborhood incremental principal component analysis (PCA) and locality preserving projection (LPP) manifold learning algorithm is presented, and the incremental learning principle of algorithm is introduced. For incremental sample data, the adjacency and covariance matrices are incrementally updated by the existing samples; then the dimensionality reduction results of the incremental samples are estimated by the dimensionality reduction results of the existing samples; finally, the dimensionality reduction results of the incremental and existing samples are updated by subspace iteration method. The adaptive neighborhood incremental PCA-LPP manifold learning algorithm is applied to processing of gearbox fault signals. The dimensionality reduction results by incremental learning have very small error, compared with those by batch learning. Spatial aggregation of the incremental samples is basically stable, and fault identification rate is increased.     

列车轮对状态的融合监测系统

为了提高列车轮对故障诊断准确率和改善现有列车轮对状态在线监测方法的不确定性,结合多传感器信息融合原理,设计了列车轮对融合监测系统,采用特征层融合自适应加权算法进行了轮对状态融合监测,以自适应的方式寻求最优加权因子,使状态测量值总均方误差最小,比较了特征层融合自适应加权算法、模糊数据关联算法、变结构多模的状态估计算法和BP神经网络算法的计算结果。比较结果表明:当轮对两端轴承均出现故障后,两传感器输出的测量值分别为22.0470和21.0250,而此融合算法计算出的估计值为4.2642,融合值最接近真值,因此,列车轮对融合监测系统可靠性高,抗干扰性强。     

基于故障阻抗计算的非同步故障测距新方法

为了解决双端电气量测量非同步产生的故障测距误差问题,提出基于故障阻抗计算的非同步故障测距新方法。该方法采用集中参数短线模型,首先利用双端非同步电气量和线路参数计算故障阻抗,然后基于金属性短路故障阻抗的纯电阻性采用共轭法构造出关于故障距离的一元二次方程,最后求解并判别伪根得到真实故障距离。双端量法测距在原理上克服了故障电阻和系统运行方式变化的影响。仿真与数值计算结果表明提出的新方法可靠有效,能消去非同步角的影响,具有良好的测距精度,适用于各种金属性短路故障类型,工程实际应用价值高。     

含串补电容电气化铁路馈线故障测距算法

含串联补偿电容的电气化铁路牵引电网线路的电抗一距离关系不是单调的，按常规的电抗查表测距法，每个故障点会对应2个或多个定位点．通过对含串补电容馈线故障模型特性的分析，提出了一个新的判别方法．对不同的故障角和过渡电阻的ATP仿真以及MATLAB程序分析结果验证，该方法能够判断出故障与区间串补电容的相对位置．给出了含2个串补电容的电气化铁路馈线故障分段查表测距算法．     

Logistic Regression Based Arc Fault Detection in Photovoltaic Systems Under Different Conditions

This paper investigates direct current(DC) arc fault detection in photovoltaic system. In order to avoid the risk of fire ignition caused by the arc fault in the photovoltaic power supply, it is urgent to detect the DC arc fault in the photovoltaic system. Once an arc fault is detected, the power supply should be cut off immediately. A lot of field experiments are carried out to obtain the data of arc fault current of the photovoltaic system under different current conditions. Cable length, arc gap, and the effects of different sensors are tested.These three conditions are the most significant features of this paper. Four characteristic variables from both the time domain and the frequency domain are extracted to identify the arc fault. Then the logistic regression method in the field of artificial intelligence and machine learning is originally used to analyze the experimental results of arc fault in the photovoltaic system. The function between the probability of the arc fault and the change of the characteristic variables is obtained. After validating 80 groups of experimental data under different conditions,the accuracy rate of the arc fault detection by this algorithm is proved to reach 100%.