孪生支持向量机在滚动轴承振动故障诊断中的应用

通过对滚动轴承振动信号进行定量分析,从振动故障信号中提取与故障诊断方法有关的故障特征,在传统支持向量机的基础上,研究孪生支持向量机的建模方法,建立基于孪生支持向量机的滚动轴承振动故障诊断模型,并结合粒子群优化算法对故障诊断模型的关键参数进行寻优,从而得到最佳的故障诊断模型。仿真结果表明,将孪生支持向量机建模方法应用于滚动轴承振动故障诊断中,能够取得较好的诊断效果和诊断效率,结合粒子群优化算法进一步提高了故障诊断模型的分类准确率,为滚动轴承的振动故障诊断提供了可行有效的思路。     

基于蚁群算法的分布式配电网局部故障定位方法

为快速精准定位分布式配电网局部故障，隔离故障分支降低经济损失，提出一种基于蚁群算法的分布式配电网局部故障定位方法。利用蚁群集体行动的信息正反馈机制组建故障定位模型，创建蚁群算法评价函数，使用随机比率准则计算蚂蚁转移概率及残留信息，引入信息素更新方法动态调节原始信息素浓度，通过信息缺失校准策略提升算法容错性，依照评价函数大小，在可能解对应设备状态中释放信息素，避免产生局部最优解，能够精准定位分布式配电网局部故障位置。仿真实验结果证明，该设计方法可以有效地对分布式配电网局部故障进行高精度定位，故障定位计算收敛速度快，耗时短，拥有极强的实用性，为分布式配电网的可靠应用发挥应有作用。     

基于优化遗传算法的配网故障定位算法研究

针对遗传算法存在的适应性欠佳、抗干扰性较差的问题,提出一种面向配电网故障定位的优化遗传算法。该算法基于对故障电流参考方向的明确,对算法参数进行优化编码,同时在对开关函数进行优化的基础上利用漏判参数和误判因数对适应度函数进行重构,使得通过优化的遗传算法提升了抗干扰性和适用性。仿真实验表明,该算法能够在分布式配电网中和信息畸变的情形下完成准确的故障定位。     

分布参数模型在煤矿配电网故障测距中的应用

针对目前配电网单相接地时,其故障点人工巡查存在困难的问题,提出了一种基于分析参数模型的新故障测距和定位方法。依据对配电网实时监控,通过馈线终端进行故障数据和信息的传输,并对其数据和信息进行准确的分析计算,再根据具体的计算结果选定一段故障区,计算出该区域的分布参数,从而能准确推算出故障距离。根据仿真结果显示,配电网的故障位置及过渡电阻对分布参数模型的计算结果影响较小。这表明分布参数模型的测距和定位方法能够对区段和故障选线进行准确定位,且误差不超过1%,具有较高的应用价值。     

基于人工神经网络优化算法的故障诊断

应用神经网络优化算法,进行网络参数优化计算。为了考察神经网络的优化算法,对实验室的转子模型进行了振动测试,获取其振动信号,将信号经分析仪分析,获取不同测点的动态信息及其参数分布规律,用神经网络优化算法进行故障诊断分析。     

分布式电源并网对配电网保护影响的研究

分布式电源(DG)的并网使原始的配电网络结构出现变更。发生故障时,电网中的短路电流也会随着结构的变化而产生变化,影响到原有配电网的电流保护的动作及效果。本文运用推算及图形比较的方法,就分布式电源并网后对配电网电流保护的影响开展了定性化分析;运用相关软件构筑了一个10k V配电网络的数据模型,对DG不同容量、不同并网位置对电网保护的影响分别进行了验证仿真,以期为分布式电网的保护提供新的理论依据。     

基于DL联合信息融合技术的刮板转载机故障诊断

采用深度学习(DL)算法和信息融合技术对刮板转载机进行故障诊断。对刮板转载机故障类型进行分类,建立刮板转载机故障诊断模型。为提高信息融合技术的准确率与效率,将一种典型的DL算法——深度置信网络(DBN)应用于数据层信息融合,提出基于DL联合信息融合技术的故障诊断流程。对比MATLAB仿真结果与真实情况,基于DL联合信息融合技术故障诊断结果的准确率比信息融合技术的高。     

基于改进布谷鸟算法与SVM的矿用变压器故障诊断

矿用变压器主要用于含有易燃气体和煤尘的矿井中,为采煤机、运输车及照明系统提供电源。针对目前矿用变压器故障诊断准确率不高的情况,提出了一种基于改进布谷鸟算法和支持向量机(SVM)的矿用变压器故障诊断方法。首先引入改进的布谷鸟算法对支持向量机参数进行寻优,获得具有最佳参数的支持向量机模型,然后利用支持向量机对变压器故障进行分类来实现变压器故障的诊断,最后,通过算例仿真对所提算法和检测方法进行了验证,Matlab仿真结果表明：利用改进布谷鸟算法和诊断模型得到的矿用变压器故障诊断准确率要高于传统的矿用变压器故障诊断方法。     

网格搜索法SVM参数优化在主扇风机故障诊断中的应用

为了提高煤矿主扇风机故障诊断的准确性,将网格搜索法和支持向量机(SVM)应用到主扇风机的故障诊断中。首先,建立主扇风机运行故障的知识库,并将采集到的主扇风机振动信号进行小波消澡和归一化;然后,设计了网格搜索参数优化SVM的主扇风机故障诊断模型。最后,通过工程现场提取的数据进行实验验证,并与遗传算法和粒子群算法寻优的时间和诊断结果准确率进行比较。实验结果表明,网格搜索法SVM参数优化非常适合于煤矿主扇风机的故障系统中。     

基于PSO-SVM的矿用自卸车举升液压系统故障诊断

针对矿用自卸车举升液压系统故障诊断困难的问题,采用一种基于粒子群优化支持向量机的方法对其进行研究。该方法利用粒子群优化算法,对支持向量机参数寻优,从而得到具有最佳分类结果的支持向量机模型。利用AMESim软件建立举升液压系统的仿真模型,并通过模拟溢流阀故障、举升液压缸内泄漏、泵内泄漏3种故障工况,提取故障数据,对该方法进行验证。仿真结果表明,该方法能有效对矿用自卸车举升液压系统这3种故障进行诊断。     

含分布式电源的配电网接地故障自动检测方法

分布式电源发生故障时的零序电流极其微弱,不易被察觉,基于此,提出一种含分布式电源的配电网接地故障自动检测方法。利用S变换算法将配电网接地信号转换为复时频矩阵,提取其中信息量作为故障信号特征;计算配电网中每条线路的暂态信号真有效值,比较参考线路与其他线路间极性,找出故障线路;比较3条线路间的暂态能量比值是否大于1,如果大于1,说明线路出现了母线故障。经仿真实验验证,所提方法不受配电网中分布式电源的容量影响,可有效检测出隐藏的接地故障线路。     

风力发电站高压输电线路故障定位方法

针对目前方法对高压输电线路进行故障定位时,由于未能基于信息熵指标提取输电线路故障的信号特征,导致该方法在进行故障定位时,存在定位精度低、定位误差大、定位时间长、定位效果差的问题,提出基于数据驱动的风力发电站高压输电线路故障定位方法。对风力发电系统进行具体分析,基于数据驱动方法构建发电系统的系统模型;以模型为基础,获取故障信号的信息熵指标以及近似熵指标,根据获取指标提取故障的信号特征;利用多点的数据故障定位方法,对风力发电站高压输电线路中的故障进行定位。实验结果表明,运用该方法进行故障定位时,定位精度高、定位误差小、定位时间短以及定位效果好。     

基于多维度数据融合的电网机组故障自动诊断系统

设计基于多维度数据融合的电网机组故障自动诊断系统,降低电网异常运维次数、提升电网安全性。系统数据采集层使用采集器和智能移动终端采集电网机组数据后,利用网络通信层将电网机组数据传输至数据存储层的SQL数据库存储,服务层调用数据存储层内的电网机组数据完成消息推送、故障查询等功能,并将电力机组数据推送至逻辑层,逻辑层利用多维度电网机组数据,构建基于深度置信网络的多维度数据决策融合模型,结合推理机诊断电网机组故障,并通过人机交互层将接收到的电网机组故障诊断信息以可视化方式呈现给用户。实验表明:该系统通信损失值较低,可保障电网机组数据完整,具备较好的数据融合性能,且故障诊断精度高,可降低电网异常运维次数,应用性较好。     

基于迁移学习的采煤机摇臂传动故障研究

针对传统故障诊断方法无法有效识别并自动分类实际工况中采煤机摇臂传动故障多的非线性、非平稳信号,提出一种基于迁移学习的采煤机摇臂传动故障诊断模型。基于迁移学习思想,构建基于深度迁移学习的采煤机摇臂传动故障诊断模型;采用多标签分类及sigmoid函数,对模型进行改进,实现对采煤机摇臂传动复合故障的识别与分类;最后,通过仿真实验验证了改进模型性能,并对比了提出模型与传统智能故障诊断模型DCNN、SVM、LSTM、CNN在迁移任务中的分类准确率。结果表明,相较于传统智能故障诊断模型,基于深度迁移学习的采煤机摇臂传动故障诊断模型具有更高的诊断精度,且收敛速度更快,可提高采煤机摇臂传动系统的工作可靠性。     

考虑多变量特征指标的配电网可靠性评估模型

以提高配电网可靠性评估精度及效率为目标,设计基于多变量特征指标的配电网可靠性评估模型。将配电网看作以电源点为根的树结构,编码拓扑网络节点和支路,明确节点在配电网中的位置;立足配电系统与电力用户实际用电情况,从负荷供应、持续供电、供电修复等方面构建多变量特征指标;计算功率与电压运行状态参数、网络参数的内在关联,在最低停电经济损失与最少停电量基础上,使用潮流计算方法创建配电网可靠性评估模型。实验结果证明,所建模型极大地降低了可靠性评估复杂性,评估准确性与时效性均满足配电网故障诊断标准,可广泛应用于现实场景下配电网运行状态分析中。     

煤炭运输设备故障自动识别系统研究

为了提高煤炭运输设备故障自动识别系统的智能化程度,利用传感器感知信息技术,对煤炭运输设备故障自动识别系统进行研究。采用传感器建立信号采集数学模型,感知设备运行信息,并消除运行信息中的干扰信号;采用抗干扰能力强的排列熵空间重构信号,提取煤炭运输设备故障信号特征;将设备故障信号特征作为SVM特征空间上的训练数据集,计算最优分类函数划分设备故障信号特征类别,根据划分的信号特征类别,自动识别输送机设备故障,确定煤炭运输设备技术参数和故障信号。测试结果表明,此次研究的故障自动识别方法提取的故障信号排列熵特征值具有明显的区分度,故障平均识别精度高达96.86%。     

基于三维数值模拟及矿井瞬变电磁法的导水构造探测研究

导水构造隐秘性较强,是煤矿水害事故中的重大隐患,导水构造的有效探测对预防煤矿突水意义重大。基于目标层段煤系岩层地电特征及前期三维地震探测成果,建立了导水构造三维地质模型,运用Maxwell软件进行三维数值模拟以揭示区域导水构造的电磁响应特征;利用矿井瞬变电磁方法进行了掘进巷道左侧帮及巷道掘进面方向的数据采集,通过对数据进行适应性处理、反演计算和综合解释,明确了巷道左侧帮及巷道掘进面前方SF32导水断层的空间位置。结果表明,SF32导水断层在距巷道左侧帮45~50 m处呈东西向展布,延伸至掘进面左前方40 m区域时出现了向北西方向的转向。最终通过钻孔验证了该导水断层的方位,修正了前期三维地震勘探所解释该断层的空间位置,证明了该方法的准确性和有效性。