基于人工免疫方法的变压器故障诊断

将人工免疫方法引人变压器油中溶解气体分析,利用增加抗原、记忆抗体类别信息等方法对变压器故障样本进行学习,获取更多表征故障样本特征的记忆抗体集并进行分类．通过对变压器故障数据的仿真研究表明：与IEC三比值法相比,该算法具有较高的诊断准确率．     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

基于GA优化人工免疫算法的结构故障诊断

针对大型结构的故障检测与分类问题,提出了一种基于GA进化机制的人工免疫算法.该算法将样本结构模式数据作为抗原刺激抗体集合,抗体集合经过选择、交叉、变异、构建最优抗体集合这一进化过程来提高记忆细胞质量,利用训练好的记忆细胞集合实现对实测数据的故障检测与分类.在Benchmark结构模型上的仿真实验结果表明,该算法能实现有效的故障模式识别,且提高了故障分类的成功率,引入了多父体交叉操作,扩大了算法的搜索范围,且能有效利用其他抗体的优良模式,克服了单纯人工免疫算法收敛速度慢的不足.     

基于SOM的变压器绕组和铁芯故障诊断

为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于自组织特征映射(SOM)神经网络的变压器故障检测方法。首先利用集合经验模式分解(EEMD)方法提取变压器不同运行状态下振动信号的特征矢量,以其表示变压器运行状态,降低故障分类和识别时运算量。然后通过采用SOM网络自组织学习算法,不断学习样本的特征矢量确定故障隶属函数,从而可以快速有效地诊断变压器的故障类型。试验结果表明,该方法可实现对变压器正常状态、绕组轴向变形、绕组径向变形、铁芯故障4种状态分类,并对测试样本进行快速的模式识别。     

深广神经网络在变压器故障诊断中的应用

针对现有的变压器故障诊断方法无法同时实现对历史数据的记忆能力和对未知数据的泛化能力,且很少考虑故障特征之间交互对诊断结果的影响,提出一种基于深广神经网络的变压器故障诊断方法.在具有记忆能力的广义线性模型中加入离散特征的交叉特征,同时使用具有泛化能力的深度神经网络来捕捉连续特征之间的高阶交互,用联合训练的方法对二者进行参数优化.用优化后的模型处理变压器的油中溶解气体分析(DGA)数据,做出故障诊断,并将实验结果与采用支持向量机、逻辑回归、BP神经网络得到的结果进行对比,证明了所提算法对DGA数据的处理更优,且诊断结果准确率更高.     

基于样本自举的电力变压器状态评估

针对传统数据学习型方法需要大量故障历史实测数据的缺点,提出一种基于数据样本自举的电力变压器状态评估方法．通过对变压器的故障样本数据进行自举扩充,克服了工程中某类样本数据较少的问题,提高了学习型分类器的训练量,从而提高其预测分类的精度．并基于支持向量机分类方法进行变压器故障分类评估,显著提升了评估精度．     

基于多尺度卷积神经网络的变压器故障诊断方法

为了提高变压器故障识别的诊断精度,提出一种基于多尺度卷积神经网络模型的变压器故障诊断方法。首先,在1DCNN结构基础上设计2个多尺度卷积模块,构造变压器故障识别模型的总体结构。其次,针对样本特征较少问题,采用基于比值法的特征扩充方法,将样本特征由5维增强至25维;针对故障样本量少以及故障间样本数分布不平衡问题,采用基于对抗生成网络的样本数增强方法,生成大量模拟样本。最后,利用改造后的数据集对所设计的模型进行训练与测试。结果表明,模型平均准确率为93.24%,与相关主流方法在不同数据集下实验对比,本模型表现效果良好。     

变压器油中气体组分含量在线监测与故障诊断

电力变压器运行可靠性直接关系到电力系统的安全及供电可靠性,为提高电力变压器故障诊断的准确率,由在线监测变压器油中溶解气体组分含量分析,提出了基于人工免疫和模糊C均值聚类分析方法有效结合的变压器故障诊断算法,通过对电力变压器油中的溶解气体进行分析,实现对变压器的故障诊断。重点研究了基于人工免疫网络的变压器故障样本数据处理、基于模糊C均值聚类对变压器故障的识别,以及仿真实验。实验结果表明:提出的算法能有效对变压器故障类型进行分类,该算法在变压器故障诊断中有较好的应用前景。     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

基于线性判别分析和分步机器学习的变压器故障诊断

为了改善当前变压器故障诊断在特征量选取和使用单一诊断模型进行故障诊断上的不足,提高变压器故障诊断的准确率和效率,提出基于线性判别分析（LDA）的特征选取方法,建立基于分步机器学习的诊断模型. 该模型选取16组油中溶解气体体积分数比值的多特征参数,运用线性判别分析对参数进行降维作为输入特征向量;运用概率神经网络对变压器故障做出初步诊断,区分出易混淆故障;使用基于灰狼群算法优化的支持向量机对易混淆故障做进一步的区分. 最终实验诊断准确率为97.27%,诊断时间为4.87 s. 与单一机器学习模型相比,所提出的模型不仅具有更高的准确率,还具有更高的效率. 实例分析表明,本研究方法能有效弥补单一机器学习的缺陷,为故障样本有限情况下的电力变压器故障诊断提供参考.     

FMS中加工质量故障预报的新方法

对引起加工质量故障的原因进行了研究,建立了用于加工中心加工质量故障分析的与/或故障树,提出了隐加工质量故障(FMQF)的概念和由·FMQF 找出制造系统故障的决策树方法.本文在模糊理论基础上,提出了隐加工质量故障识别的新方法,用这种方法可以根据控制图的变化进行设备状态估计.基于以上研究,建立了可用于柔性制造系统隐加工质量故障预测和预报的专家系统.     

立方准晶的反平面问题与Ⅲ型裂纹问题

发展了立方准晶材料的断裂理论 .通过应用Fourier分析和对偶积分方程理论 ,得到了立方准晶材料Ⅲ型裂纹问题的精确解析解 ,并由此确定了位移与应力场 ,应力强度因子和应变能释放率 .结果表明 ,应力强度因子与材料常数无关 ,而应变能释放率依赖于所有的材料常数 .这些为研究此新固体材料的变形和断裂提供了重要的信息 .     

Banach代数中的行列式理论

探讨了 Banach 代数中的行列式理论.给出了具有单位元的迹 Banach 代数具有行列式的充要条件.     

非织造布滤料性能及过滤过程的研究进展

对近年来非织造布滤料的研究进展做了简要综述,介绍了内部结构的研究及表征、过滤性能及其影响因素、过滤过程的计算机模拟,指出进一步发展所需要解决的问题。     

高师物理专业人才培养与基础教育衔接问题的研究

分析了当前高师物理专业人才培养与基础教育人才需求存在的问题,结合调查情况,提出了高师物理专业在培养目标、课程设置、教学内容、教学方法及实践教学环节方面的改革措施。     

JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY TOTAL CONTENTS(Vol.23)

正~~     

鞋面织物染整过程节能减排技术方法

鞋面织物染整是纺织工业中一个特殊分支,公司通过采用先进染色技术和工艺,可以从源头上达到节能和减少废水产生量的效果,废水产生后经过处理达标排放,部分经深度处理后回用。公司经长期实践后已经达到吨织物染整用水125m~3/t_(产品),吨织物排放废水79.2 m~3/t_(产品),水回用率达37.8%,吨产品蒸汽耗量从9t/t_(产品)下降到7 t/t_(产品),均达到国内国际先进水平。     

Genomics,metagenomics,and microbial oceanography—A sea of opportunities

Microbial oceanography is an emerging discipline resulted from the interaction,cross-fertilization and integration of life science and ocean science.Microbial oceanography integrates the principles of marine microbiology,microbial ecology and oceanography to study the role of microorganisms in the biogeochemical dynamics of natural marine ecosystems.The application of genomics tools to study marine microbes is resulting in rapid advancements in microbial oceanography that has important implications in globa...     

Information for Authors

正General Journal of Beijing Institute of Technology(JBIT),an English language journal sponsored by Beijing Institute of Technology,was established in 1992.JBIT mainly publishes research articles that reflect the latest achievements in basic theory and experimental studies in various engineering fields and in applied mathematics,mechanics,physics,chemistry,and so on.JBIT is listed in Ei,CA,SA,AJ,CSA,MR,ZM and many other abstracting indexes.     

Information for Authors

正General Journal of Beijing Institute of Technology(JBIT),an English language journal sponsored by Beijing Institute of Technology,was established in 1992.JBIT mainly publishes research articles that reflect the latest achievements in basic theory and experimental studies in various engineering fields and in applied mathematics,mechanics,physics,chemistry,and so on.