基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态，实现对电机故障模式的自动识别和准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser sha-fer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，能够满足诊断的实时性要求。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态,实现对电机故障模式的自动识别和准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断,获得彼此独立的证据,再运用DS(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,能够满足诊断的实时性要求。     

基于信息融合的变压器内部故障诊断方法

目前变压器内部故障诊断诊断的有效性仍有待进一步研究。为此,提出了一种基于信息融合的多证据体变压器内部故障诊断新方法。该方法基于神经网络、SVM和S_Kohone聚类算法形成初级诊断结果出现分歧时的多证据体,判断证据体之间是否存在隐藏冲突,不存在隐藏冲突则优先采用证据分类折扣算法,否则采用证据主元的证据折扣算法对证据源进行修改,利用Dempster规则合成得出故障诊断结论。基于DGA和电气试验的实例验证表明采用的变压器内部故障诊断方法的有效性。提出的基于信息融合的变压器内部故障诊断新方法合理协调了证据体之间的信息冲突,有效融合了各种不同智能算法的判断结果,且故障识别正确率较融合前提高到88.65%。     

基于决策融合的直驱风力发电机组轴承故障诊断

基于振动信号时域、频域和包络谱等多源特征,采用决策融合方法构建了直驱风力发电机组轴承故障诊断模型。对直驱风力发电机组主轴轴承经常发生的外圈故障、内圈故障、滚动体故障以及正常运行4种状态进行了实验研究。选取具有较高故障区分度,适合风电机组轴承故障诊断的特征参数。以风电机组振动信号的时域特征、频域特征和包络谱频域特征为诊断样本,使用灰色关联分析方法对机组轴承故障进行初步诊断,然后用证据融合理论对不同证据进行决策信息融合,从而获得最终诊断结果。实验结果表明,该方法能较好地识别风力发电机组轴承故障。     

传感器多故障诊断的信息融合方法研究

提出了基于证据理论的在不同识别框架下的多传感器多故障诊断的信息融合方法。利用多个传感器在空间或时间上的冗余或互补信息，为故障的检测和分离提供诊断依据。采用模块化的径向基函数状态识别网络来获得传感器状态的证据，即发挥了神经网络的优点，又解决了因输入参数改变而不可用的缺点。提出了一种在不同识别框架下的证据组合规则，采用精细和粗化运算，可充分利用传感器的冗余或互补信息，减少传感器状态的不确定性。仿真结果表明该方法可以对传感器的单故障和多故障进行有效的诊断。     

基于改进的D-S证据理论的旋转整流器故障诊断研究

D-S融合规则是证据理论的重要部分,广泛应用于多信息融合算法中。由于该组合规则本身存在一些不足之处,应用到旋转整流器的故障诊断中,效果不理想。建立了发电机的系统模型,利用小波能量法提取故障特征,并提出了一种改进融合算法——冲突证据融合规则,其有效克服了D-S融合规则的不足,对一组实测故障数据的融合诊断表明,能够对故障做出准确判断。     

证据理论在电机故障诊断中的应用

D-S证据理论作为一种非精确推理算法具有独特的优势,非常适用于存在大量不确定性因素的电机故障诊断工作。提取故障电机的状态特征量,并将其按时域、频域、奇异值分解为多个子参数空间。在此基础上,采用并行BP神经网络及模糊聚类系统对电机故障进行局部诊断。将每个局部诊断结果作为独立的证据体,构造相应的信度分配函数。结合电机故障的信息融合诊断模型,将基于D-S证据理论的决策融合的方法应用于电机故障诊断。通过对案例进行分析,实现了利用多证据体的融合信息对电机故障状态进行诊断,其诊断结果验证了D-S证据理论在提高电机故障诊断的准确性和灵敏性方面的作用。     

证据理论在电机故障诊断中的应用

D-S证据理论作为一种非精确推理算法具有独特的优势,非常适用于存在大量不确定性因素的电机故障诊断工作.提取故障电机的状态特征量,并将其按时域、频域、奇异值分解为多个子参数空间.在此基础上,采用并行BP神经网络及模糊聚类系统对电机故障进行局部诊断.将每个局部诊断结果作为独立的证据体,构造相应的信度分配函数.结合电机故障的信息融合诊断模型,将基于D-S证据理论的决策融合的方法应用于电机故障诊断.通过对案例进行分析,实现了利用多证据体的融合信息对电机故障状态进行诊断,其诊断结果验证了D-S证据理论在提高电机故障诊断的准确性和灵敏性方面的作用.     

基于改进DS证据理论的变压器故障诊断方法

传统证据理论在变压器故障诊断中存在主观局限性,且对证据体可靠性的选取缺乏科学性。为了融合变压器色谱分析数据与电气试验数据,并能全面的反映变压器的状态,文中提出一种基于改进证据理论的变压器故障诊断模型。首先,通过熵权法求出子证据体的相对权重,再结合BP和量子神经网络的优化诊断结果,修正熵权作为证据体的可靠因子;其次,构造子证据体的基本概率分配函数,采用Dempster合成规则实现故障信息融合;最后,将所提诊断方法应用于实际工程案例,诊断结果表明：该诊断方法有效、可行,且提高了诊断准确率。     

基于改进PSO-BP神经网络和D-S证据理论的大型变压器故障综合诊断

阐述了已有变压器故障诊断方法的不足，并将信息融合的基本思想引入变压器故障诊断中。针对电力变压器故障综合诊断的特点和要求，运用改进粒子群优化-反向传播（PSO-BP）算法训练神经网络并结合D-S证据理论，提出了一种基于信息融合技术的变压器故障综合诊断决策模型。该模型以油中溶解气体色谱分析为基础，结合变压器常规电气试验结论与现场运行、维修经验，得出了较为可靠的诊断结果，实例验证也证明了该方法的有效性。     

多种类证据体的变压器故障综合诊断方法

针对变压器故障综合诊断的问题，提出一种基于证据理论的故障综合诊断方法。为实现合成规则中冲突信息在合成后基本概率分配函数中的合理赋值，基于不同证据体对同一假设的紊乱度分配冲突信息，改进了传统的合成规则。将这一合成规则应用到基于粗糙集、模糊聚类、神经网络、贝叶斯理论等技术所形成证据体的合成之中。试验表明所提判断方法的适应性，在多种判断结果出现明显分歧的情况下，合理地处理了证据体之间的冲突信息，从而有效综合了各种不同方法的判断结果。     

基于D-S算法的断路器机械故障诊断技术

研究了证据理论在高压断路器故障诊断中的应用.应用D-S(Dempster-Shafer)证据理论基于多传感器在线监测系统对高压断路器进行故障诊断.探讨了D-S(Dempster-Shafer)证据理论的有效性问题,并在D-S证据理论失效的特殊情况下给出了解决方法,提高了D-S证据理论在高压断路器状态监测中故障判断的可靠性,给出了一套可靠的高压断路器故障诊断方法.并且针对D-S证据理论,分析了Dempster的修正模型在证据高度冲突方面的缺陷,提出了一种新的基于D-S证据理论的合成规则.实验结果也表明,这种新的合成规则不但比较好地综合保留了修正模型的优点,又避免其不足,取得了更加合理的效果.     

The application of current limiting to distribution circuit protection

Many electric utility systems are reaching the point where available short-circuit currents, during severe faults, exceed the interrupting capability of available circuit interrupters of conventional types such as circuit breakers, distribution-circuit reclosers, and expulsion fuses. The needs are being met by the use of current-limiting fuses to protect individual distribution transformers or, sometimes, groups of distribution transformers, but there are difficult problems of coordination. The current-limiting fuses are not inherently capable of covering the full range of short-circuit currents, so that they must be used in addition to, or in combination with, interrupters of other types. This paper studies these problems in depth and makes recommendations for even wider use of current-limiting fuses to achieve more effective protection of the entire distribution system, including protection of distribution feeders at the substation. This approach also provides effective preventive measures to inhibit disruptive transformer failures which have become a severe problem with increasing short-circuit-current capability.     

基于欧式距离法的变压器故障BBA模型建立与分析

针对变压器故障诊断中油溶气体技术的改良三比值法存在故障区域边界值判断模糊的问题,在分析改良三比值法的基础上,以欧式距离来表征隶属每种故障概率大小的形式,建立了不同故障下的基本信任分配函数(BBA)诊断模型进行变压器故障诊断,并采用D-S合成规则对不同故障的BBA进行融合,实现了对多BBA模型函数重新构造以及归一表述的功能。利用该模型对长春某500 k VA变电站的变压器故障进行实例计算,并通过改良三比值法和模糊算法进行对比分析。结果表明:该诊断模型能准确、有效地对变压器的多种常见故障进行诊断;用计算隶属故障概率的形式弥补了改良三比值法边界值计算模糊的缺陷,使故障的判别更加趋于真实准确,为电力变压器故障诊断提供了一种有效的方法。     

模糊模式识别在凝汽器故障诊断中的应用

运用模糊数学方法,将阀值原则和最大尿属原则相结合,建立了凝汽器故障诊断模型。实践证明,该模型能有效地判定待识别征兆集是否为病态,而且氘得隶属度差别明显,因而能准确判定故障原因。避免因待识别征兆集病态引起的误判断或因几种故障的隶属度无显著差异,而导致无法明确诊断故障的问题     

使用多参量的变压器故障综合诊断技术

为全面综合诊断电力变压器故障,参考已有变压器故障综合诊断方法,结合变压器油中溶解气体数据和电力试验数据,利用自适应遗传算法优化小波神经网络和证据理论融合技术,提出了一种基于多参量的电力变压器故障综合诊断模型。通过故障特征参数的划分分别构建神经网络从不同侧面反映变压器的故障,同时结合证据的重要性、神经网络的输出改进证据体的基本概率分配赋值,充分体现证据体对单个故障模式识别的可信度。诊断结果表明,基于信息融合技术的变压器多参量故障综合诊断比基于单参量故障诊断的诊断性能较好。     

基于机电信号融合的DFIG定子绕组匝间短路故障诊断

定子绕组匝间短路故障是双馈异步发电机(DFIG)常见的故障形式,发生概率高达30%,直接威胁到发电机的安全运行。发电机在复杂多变的环境下运行时,单一故障特征往往难以精准地反映故障,从而易产生误判、漏判的情况。文中提出一种基于电气、机械信号融合的定子绕组匝间短路故障诊断新方法——负序电流差与定子径向振动信号的二倍频分量联合诊断。首先利用支持向量机分别计算单一故障特征下的匝间短路故障概率;然后将其作为D-S证据理论的基本概率分配,依托证据组合规则,得出定子绕组匝间短路的最终诊断结果。实验结果表明:与基于单一信号的故障诊断方法相比,该方法能够更有效地诊断定子绕组匝间短路故障并可靠识别短路匝数,提高故障诊断的精确度,可推广应用至海上风电等对故障识别精度要求更高的领域。     

10kV配网电压互感器断保险故障分析及应对措施

中性点不接地配电网中变电站发生的单相接地故障消失后易引发电压互感器(PT)铁磁谐振或低频非线性振荡等,导致PT熔断器频繁熔断,影响电力系统安全运行。为研究实际变电站PT断保险故障的基本规律及影响因素,文中统计了某供电公司1年内的35次断保险及PT故障,分析了一起实际变电站发生断保险故障前后的录波数据,对比各种故障诱因的仿真波形找出该变电站发生PT断保险的原因。最后在已经验证了的仿真模型的基础上,找出有效抑制该种故障的措施。研究表明:文中研究的变电站发生PT断保险的原因是单相接地故障消失瞬间激发的工频铁磁谐振。提出的抑制措施是针对实际运行环境优化参数的一次消谐装置以及改进的PT接法,抑制效果明显。     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。     

A new aerodynamic decoupled frequential FDIR methodology for satellite actuator faults

This paper presents new results regarding the development of a supervision scheme for a nonlinear satellite model. The main issue concerns the handling of frequency faults affecting the reaction wheels of a spacecraft attitude control system, that is, how to detect and isolate faults, how to determine the different frequencies characterising these faults through spectral analysis and lastly, how to prevent propagation into failures with potential mission abortion as a consequence. Thus, this work investigates the design of a scheme for fault detection, isolation and control reconfiguration applied to the reaction wheels of a spacecraft attitude control, based on the satellite model. This scheme is classifiable as active fault tolerant control. As the study focuses on a general satellite nonlinear model, where aerodynamic and gravitational disturbances, as well as measurement errors, are present, the robustness of the suggested strategy is achieved by exploiting an explicit disturbance decoupling method via a nonlinear geometric approach. To achieve accurate fault diagnosis, aerodynamic disturbance decoupling represents the key point because the aerodynamic model is often uncertain. Moreover, an improvement of the nonlinear geometric approach is presented, to realise both aerodynamic and manoeuvre decoupled fault diagnosis. To the best authors’ knowledge, this is the first works presenting a methodology for frequency fault diagnosis, which is based on the nonlinear geometric approach for fault and disturbance decoupling. The obtained results demonstrate that the proposed methodology can achieve better performances with respect to traditional fault detection and isolation schemes. Copyright © 2013 John Wiley & Sons, Ltd.