基于熵权模糊物元和主元分析的变压器状态评价

针对变压器状态评价中各指标的不确定性、模糊性以及变压器在线监测状态量信息过多的问题,提出一种基于熵权模糊物元和主元分析的变压器状态评估新方法。引用信息熵反映数据本身的效用值来计算指标的权重系数,建立了基于熵权模糊物元模型。并采用主元分析法提取了信息数据中的主成分,有效解决了权重分配困难和在线监测状态量过多的问题。最后结合实例分析,验证了所提方法的有效性和实用性。     

基于主元分析的水轮机组导轴承异常诊断方法研究

提出了一种基于主元分析(PCA)的水轮机组导轴承异常状态识别及诊断方法。该方法通过对水轮机组导轴承温度测点正常历史数据的主元分析,获得其主元空间与残差空间,并将其SPE统计和T2统计数据作为实际运行数据的阈值。在实际运行中,通过对运行数据的主元分析,计算得到SPE统计和T2统计值,如果统计量超过阈值,发出异常报警,并通过贡献图进行异常的诊断。通过实际运行数据的算例分析,表明该方法能够对水轮机组导轴承的异常准确识别与诊断。     

基于深度神经网络模型的风电机组传动系统状态监测方法

大型风电机组传动系统运行工况复杂,运维人员无法实时了解其运行状态.针对这一情况,提出一种基于深度神经网络模型(DNN)的状态监测方法.首先,BP算法训练DNN模型时容易陷入局部最小值和过拟合,因此,将麻雀搜索算法(SSA)与BP算法结合,提出一种SSA优化BP算法训练DNN模型的方法.然后,采用风电机组SCADA系统数据建立DNN模型来估计风电机组传动系统的关键运行参数,利用估计参数的残差信息构建T2统计量应用于状态监测,并给出T2统计量报警限的确定方法.最后,将提出的DNN训练方法与其他方法进行对比并将该方法应用于某风电机组传动系统状态监测.结果表明,SSA优化BP算法能够有效避免局部最小值和过拟合,该状态监测方法能够提前预警风电机组传动系统的异常状态.     

基于相对变换的ICA故障检测方法

针对传统独立主元分析方法(independent component analysis,ICA)在标准化处理后导致特征值大小近似相等,难以提取有代表性变量等问题,提出了一种基于相对变换的独立主元分析(relative transformation ICA,RTICA)故障检测方法。该方法引入欧氏距离相对变换理论,将原始空间数据变换得到相对空间,然后在相对空间进行独立主元分析,降低相对空间的数据维数,使提取的独立主元特征具有更大的适应性,建立故障检测模型,最终实现在线故障检测。该方法通过田纳西-伊斯曼过程仿真加以验证,并应用到电主轴裂纹故障的状态监测中,实验结果表明该方法能有效减少独立主元个数,简化故障检测模型的复杂度,增强状态检测性能。     

基于主元分析的火电厂DCS监视控制系统优化研究

为了更好地发挥DCS过程检测控制系统的功能,结合主元分析(PCA)算法,提出一种用PCA进一步完善DCS过程监控性能的系统结构.该结构采用对主元模型的建立与检验、利用Q统计量,T2统计量分析确定过程变量是否满足要求,建立统计量监视图的组态等功能,最终判断出系统是否在稳定运行状态.通过对600MW机组的一组过程变量进行主元分析仿真运算,结果表明主元分析与实际运行情况相符合.该方法能使DCS监控系统数据降维,使控制系统更加直观,可进一步完善过程监视控制系统性能.     

PCA和SVM在火焰监测中的应用研究

通过对火焰图像进行分析,提取火焰亮度、火焰面积、质心偏移距离和圆形度等7个特征量.然后基于主元分析技术,提出一种对燃烧火焰稳定性进行监视和诊断的方法,采用Hotelling T2和Q两个统计量对每一时刻的图像数据向量进行监测,检验是否超过各自的控制限,只要这两个统计量之一越限,则可判定燃烧出现异常.实验结果表明:该方法能够在线实时地、有效地识别、判断火焰的燃烧状态,并且将结果以Q图、Hotelling T2图和主元图的形式直观地表示出来;该文同时应用支持向量机方法分别对特征向量和原始图像数据进行识别分类,结果表明基于主元分析原理和支持向量机方法所得到的结果是一致的.     

风力发电机温升故障预警方法研究

针对传统PCA在解决变量重要性差异很大问题时的局限性,提出一种结合relief F算法和加权主元算法的方法。该方法首先采集张家口某风场5月某段时间内风力发电机组运行数据并建立数据集,通过relief F算法确定权值向量W,进而使用加权主成分分析法建立正常工作状态下发电机温度模型。利用该模型对同一机组另一段时间运行数据进行故障检测,通过对统计量HotellingT~2(简称T~2)和平方预测误差(简称SPE)的趋势分析最终确定机组运行状态。实验结果表明,提出的方法准确预测出了发电机的温升故障,并减少了误报情况。     

基于主元分析与现场数据的过热汽温动态建模研究

为克服试验建模与机理建模方法的不足，对利用现场数据建立过热汽温的动态模型进行了研究。通过对影响过热汽温的12个主要过程变量的运行数据进行主元分析，得到了2-3个主元，计算了各主元的贡献率、T^2统计量以及在T^2统计量较大时12个过程变量对第1主元的贡献，确定出过热器喷水流量是引起过热汽温变化的主导因素。基于现场数据，证明了过热汽温控制系统满足闭环可辨识性条件；并且建立了过热器喷水流量扰动下过热汽温的动态数学模型。对所建立的模型进行了仿真验证，模型反映了过热汽温的实际运行状况。     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

防爆型高功率密度电机温度场与流体场综合计算

根据对防爆型高功率密度电机额定运行状态的分析,建立其传热数学物理模型。通过电机气隙流体场计算给出了气隙换热面的表面散热系数,借此用有限元法对电机温度场进行了模拟;模拟结果与实验结果对比,两者能够很好地吻合,说明该传热模型可以真实有效地反映实际传热过程。根据计算结果分析电机的温度场分布规律,找出额定工作时温升最大的位置作为监控点,其结果可以为电机热控制的优化提供理论依据。     

纯电动车用驱动电机滚动轴承状态监测方法

驱动电机轴承健康状态是实现纯电动车可靠运行,避免发生安全事故的重要前提,针对纯电动车电机滚动轴承状态监测方法缺失的问题,提出一种基于稀疏自编码器(sparse auto-encoder, SAE)与支持向量机(support vector machine, SVM)的纯电动车用电机滚动轴承状态监测方法。在特征提取方面,利用电机轴承振动信号的时域、频域以及时频域特征集构建高维数据集,通过多层SAE进行数据融合从而消除特征的冗余性并获得更鲁棒的简明特征。在状态监测方面,将轴承状态的特征表示输入到SVM中进行训练得到轴承状态监测模型,最后通过设计纯电动客车用电机轴承状态变化实验评估该方法的有效性。试验结果表明,相比于传统特征+SVM,基于SAE-SVM的监测方法对纯电动车用电机滚动轴承状态监测精度更加准确可靠。     

基于PCA时间延迟神经网络的BOD在线预测软测量方法

针对污水处理过程中关键水质参数无法在线监测的问题,提出了基于主元分析PCA时间延迟神经网络的污水水质BOD在线预测软测量方法.该方法由三部分组成:主元分析PCA、时间延迟神经网络、软测量模型的在线校正.其中离线模型采用GABP算法训练,仿真结果表明该方法可以实现污水水质的在线预测,具有实时性好,稳定性高,精度高,校正方便等特点.     

三相电流主分量融合的电机故障图形诊断方法

为了在线快捷有效检测识别电机运行状态,并准确诊断交流电机常见故障,将图形融合方法与主分量分析方法(PCA)相结合,充分利用电机三相定子电流信号实现了电机故障的图形化在线检测方法。应用主分量分析法将三维电流状态空间样本进行降维并在二维平面内实现主分量的图形化融合,定义了电机正常、定子匝间短路、转子断条等不同运行状态下的状态识别实用判据,并针对主分量融合图形定义了故障严重度指标。通过理论分析及电机故障试验,论证了所提诊断方法对电机常见定子匝间短路及转子断条故障检测及诊断的直观性、准确性及载荷变化的鲁棒性,为电机及其拖动系统的故障诊断提供新的思路和方法。     

电站锅炉主元分析建模中的数据选取

主元分析方法作为一种经典的建模方法已被成功应用到电站锅炉的过程监测中,然而建模时样本数据如何选取的问题并没有得到很好的解决。通过推导主元模型的故障可检测性指标和建模数据样本的方差之间的解析关系,发现主元模型的故障可检测性随建模数据样本标准差的变大而提高。采用2段600 MW电站锅炉相同工况下的历史数据分别建立对应的主元模型,通过比较2段数据的方差和模型的故障可检测性,验证了上述结论的正确性。因此建立电站锅炉模型时,应采用稳定工况下波动性较强的过程数据样本建模,以提高模型的精度。     

基于网络模式的天线伺服直流电机状态监测系统

船载测控天线伺服电机是天线传动链的重要组成部分,伺服电机位于天线座内,而其控制系统一般安装在室内,控制系统远离测控天线,不便于实时监测伺服电机的运行状态。为了解决多部测控天线伺服电机运行状态的实时监测问题,研究了伺服电机的数据采集和故障诊断技术,从硬件设计、软件及数据库设计、提出了基于网络模式故障诊断3个方面设计了伺服电机状态监测系统。这样既可实时监测在传动链中在线电机运行状态,又可测量检测机下备份伺服电机的工作性能。实际应用表明该系统可系统能及时反应伺服电机的工作状态,并达到了远程测试与诊断的效果。     

并网光伏系统的在线抗差状态估计

为了充分考虑主动配电网中光伏发电系统的影响,对光伏发电系统进行实时监控,提出了一种并网光伏系统的抗差状态估计方法。搭建了光伏系统模型,建立了相应的量测模型。抗差状态估计能够实现对配电网系统的状态监测,可靠估算出系统的运行状态。文中抗差状态估计采用最小绝对值(Least Absolute Value,LAV)估计算法,不仅具有抵御不良数据的能力,而且计算效率较高。仿真结果表明:该方法能够正确地估算出光伏系统的状态,收敛性较好,并且具有一定的抗差能力,能实现对光伏系统中不良数据的检测和辨识。     

一种新颖的电机磁链辨识算法

在电机磁链的两种估计模型中，电压模型相对于电流模型具有所需电机参数少、实现方法简单等优点，从而在电机控制系统中获得了广泛的应用。但电压模型中的纯积分环节存在直流偏置和初始相位问题。该文研究了一种新的电机磁链辨识算法，它是由1个高通滤波器和1个坐标变换环节构成。高通滤波器的截止频率等于电机的同步角频率。该算法可以有效地消除纯积分环节存在的问题，同时不会在辨识的磁链中引入幅值和相位误差，保证电机在稳态运行和转速突变情况下磁链辩识的准确性。该算法结构简单，易于工程实现。该文对提出的新辨识算法进行了仿真，并针对1台异步电机，利用数字信号处理器TMS320F2812DSP对其进行了数字化实现。仿真和实验结果验证了所提出方法的有效性。     

基于核主成分分析的热误差模型自变量优化

为了改善主成分分析对温度场的非线性数据提取能力不足的问题,提出一种核主成分温测点优化法。引入非线性映射函数,将输入的温度数据向特征空间映射,选择高斯径向基为核函数,将特征空间的内积运算变换为输入空间的核函数运算,求出特征值和核特征向量,建立综合自变量。在一台数控加工中心上进行试验,将提出方法建立的预测模型和主成分分析获得的预测模型进行比较,均方根误差降低约36%,最大残差降低29%,结果表明,采用核主成分法建模,能更好提取温度数据特征,可以使试验机床进给系统的热误差预测能力显著提升。     

基于Matlab/Simulink环境下的异步电机建模与仿真

从电机的动态模型出发,推导了基于Matlab环境下的S函数感应电机仿真模型,并建立了电机模型的库文件,从而使得感应电机仿真模型做到了通用化、模块化,通过对模块的参数设置就可实现任意坐标系下的不同电机的仿真研究.此模型以电流为状态变量,使用Matlab软件的S函数求解微分方程,仿真程序非常简洁,仿真实验验证了模型的正确性...