共查询到20条相似文献,搜索用时 31 毫秒
1.
从负荷变换频繁,地理环境复杂,断电、合电间隔短3个方面,分析HXD1C型电力机车变压器工作特点。介绍基于变压器油中乙炔气体增量和总烃产气速率变化的HXD1C型电力机车变压器隐性故障诊断方法的总体思路,在变压器隐性故障诊断中,依据溶解气体含量注意值判断故障类型,并论述诊断时的注意事项。分别以电弧放电故障、电弧放电兼过热故障、高温过热故障、A端子内部炸裂烧损故障、潜油泵故障为例,阐述HXD1C型电力机车变压器隐性故障诊断方法的具体实施。 相似文献
2.
3.
支持向量机(SVM)是一种解决小样本分类问题的最佳理论算法,它的核函数的参数选择非常重要,直接影响着故障诊断的准确率。本文将粒子群算法(PSO)用于支持向量机的参数优化,提出基于粒子群支持向量机的故障诊断模型,并将其运用于轨道电路中。通过对比MATLAB仿真结果得出:经过粒子群寻优得到的参数比随机选取的参数更优,所建立的PSO-SVM模型的故障诊断准确率高于普通的SVM模型。 相似文献
4.
高军武 《现代城市轨道交通》2010,(3):38-41
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。 相似文献
5.
董芳 《郑州铁路职业技术学院学报》2012,(4):7-8
针对油浸式牵引变压器的常见故障形式,提出一种牵引变压器全局故障诊断方法,即在传统油中溶解气体分析(DGA)方法基础上,利用BP神经网络强有力的关系处理能力,实现对牵引变压器的运行状态与故障形式的在线监测与判别。仿真测试结果验证了方案的可行性。 相似文献
6.
针对传统铁路扼流适配变压器故障诊断模型结构复杂和精度不高的问题,运用狼群算法(WPA)、粗糙集(RS)理论和神经网络(NN)相融合的方法对其进行故障诊断研究。用粗糙集理论对故障样本数据进行约简处理,减少样本数据的监测及关键特征量的输入个数;利用约简后的数据对神经网络训练。利用狼群算法优化BP神经网络参数,提出WPA-BPNN故障诊断模型,以侯马电务段扼流适配变压器故障数据为例进行验证。研究结果表明:WPA-BPNN故障诊断模型相比传统方法,简化了网络结构,缩短了训练所需时间,提高了故障诊断精度,保证了列车行车安全及线路的高效运行。 相似文献
8.
9.
在传统的油中溶解气体分析方法的基础上,利用模糊神经网络强有力的关系处理能力,研究提出牵引变压器全局故障诊断方法.依据模糊神经网络理论,通过对数值逻辑故障诊断模型和物理逻辑故障诊断模型2类模糊神经网络故障诊断模型的分析,考虑信息采集节点的向量特性、变化趋势特性以及模糊神经网络的反馈特性,给出牵引变压器全局故障诊断模型,以故障征兆特征变化趋势表征故障征兆与故障类别间的因果关系,确立增益参数、权系数判定矩阵与决策矩阵.试验结果表明:该方法能够更好地分析牵引变压器各类故障产生的原因,明确故障特征类型,避免用单一特征数据集诊断牵引变压器故障带来的局限性,可以提高故障诊断的准确率. 相似文献
10.
11.
12.
《铁道科学与工程学报》2020,(5)
为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测。研究结果表明:该方法能有效提高道岔故障诊断的准确率。 相似文献
13.
由于牵引变压器差动保护在励磁涌流的冲击下可能误动作,精准识别励磁涌流和短路电流,可提高变压器继电保护的可靠性。本文研究通过建立高效的模态特征提取方法及关联维数算法,将牵引变压器差动电流信号经相空间重构和关联维数计算,从差动电流信号中准确捕捉到牵引变压器匝间的动态特征信息,并以该关联维数特征信息作为识别两种状态电流的依据。仿真实验结果证明,该方法能快速准确识别出变压器的内部短路故障,具有灵敏度高、可靠性强等优点,并且适用于复杂的牵引供电系统状态故障诊断。 相似文献
14.
15.
《铁道工程学报》2020,(8)
研究目的:构建智能牵引供电系统保障高速铁路安全可靠、优质高效的运营是我国高铁未来发展的方向,而牵引变压器作为牵引供电系统中的重要组成部分,对其开展智能化研究是智能牵引供电系统研究的关键。本文从牵引变压器在线监测需求入手,阐述对牵引变压器关键参量进行在线监测的智能化方案,且根据监测参量构建基于贝叶斯网络的牵引变压器故障诊断模型。研究结论:(1)在传统牵引变压器的基础上,加设牵引变压器光纤测温、油中气体在线监测及铁芯接地电流监测三大模块,可准确地掌握牵引变压器运行状态,是实现智能牵引变压器故障预测的数据源基础;(2)通过现场实例验证,基于贝叶斯网络的牵引变压器故障诊断模型准确性高,可实现牵引变压器的故障在线诊断;(3)本文研究成果可在电气化铁路牵引供电系统领域进行推广应用。 相似文献
16.
准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。 相似文献
17.
18.
基于模型诊断和专家系统的牵引变压器故障诊断研究 总被引:1,自引:0,他引:1
针对现有专家系统在故障诊断中存在的问题,提出将基于模型诊断的方法应用于牵引变压器故障诊断中.将故障分为潜伏性故障和电气回路故障两类,对于前者,将专家系统和基于模型的诊断方法相结合,充分利用两者的优势对变压器故障进行诊断,并给出具体实现过程;对于后者,直接利用模型诊断的方法,建立以电压、电流为变量的牵引变压器结构和功能的两层抽象模型,利用观测位置的不变性,将诊断分为离线和在线诊断两部分,对牵引变压器故障进行诊断.通过实例仿真获得故障数据并应用模型诊断推理,验证了基于模型诊断的方法应用于牵引变压器故障诊断的可行性和有效性. 相似文献
19.
短路故障是牵引供电系统最易遭受的故障之一,短路电流冲击极易导致牵引变压器绕组变形。频率响应分析法是目前诊断变压器绕组变形非常有效的方法之一,基于牵引变压器建立精准频率响应模型对绕组的故障诊断具有重大的参考意义。为此以一台QYS-R-(31500+25000)/220牵引变压器为研究对象,提出一种基于集总参数电路的考虑绕组间全电容参数的改进型频率响应模型,结合数值公式法和有限元法,计算得到模型相关参数,最后通过状态空间方程,仿真得到变压器频响曲线。通过与实测曲线的对比,验证了考虑绕组间全电容参数的改进型频率响应模型较传统模型准确度更高。 相似文献