基于小波分析和克隆选择算法的模拟电路故障诊断

提出一种基于人工免疫系统的模拟电路故障诊断新方法.该方法首先对电路输出节点的电压信号进行小波分解,提取各频段的能量作为故障样本;然后利用人工免疫算法对每类故障的故障样本进行自学习,得到该类故障的最优聚类中心;最后计算故障样本和学习得到的聚类中心的距离对电路故障样本进行分类,从而实现故障元件定位.计算机仿真实验结果表明,该方法对容差模拟电路故障定位具有较高的准确率.     

模拟电路层次聚类故障分析与马氏距离故障诊断

基于聚类分析与马氏距离,提出了一种模拟电路故障分析与故障诊断的方法。首先简述了层次聚类分析与马氏距离的基本原理。然后通过一个模拟电路故障诊断实例,验证本文的有效性。首先给出一个模拟电路图,对该电路的常见故障状态进行仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集的样本进行聚类分析,验证聚类算法对各种故障分类能力,并且计算各类故障的样本平均值。最后随机仿真一种故障,计算当前电路状态与各类故障之间的马氏距离,实现模拟电路的故障诊断。实例表明,本方法能够准确清晰地辨别模拟电路的各类故障,仅需少量样本即可获得各种状态的典型参数,对模拟电路进行客观有效的故障诊断。     

模拟电路的融合智能故障诊断

提出了一种基于遗传算法、神经网络、模糊集理论与数据融合技术相结合的模拟电路故障诊断新方法。该法使用多类电路测试数据来解决由于测试节点不足而带来的故障信息欠缺等问题，采用遗传算法来优化BP网络的结构与初始权值分布。对每类测试信息各用一个独立的所提遗传神经网络进行初步诊断，得到基于各类测试信息的被诊断电路属于不同故障状态的可能性。在充分考虑每个神经网络输出信息重要程度的基础上，采用模糊积分融合方法进行决策融合。文中研究了其故障特征提取、样本选择、诊断系统结构、学习算法及其综合决策方法，并通过电路诊断实例，阐述了该方法的具体实现，验证了所提方法的鲁棒性。诊断结果表明：所提方法对容差模拟电路的多故障与单故障诊断均适用，故障定位准确率高。     

基于全速电流测试的模拟电路故障诊断

研究了全速电流测试技术在模拟电路故障诊断中的应用,对待测电路施加一测试序列,使电路交替工作于静置状态和全功能状态以实现全速电流测试,并以电源端在一时间段内的平均电流为故障特征,建立人工免疫系统进行电路诊断。IT^C＇97国际标准电路CTSV滤波电路的故障诊断实验表明,该全速电流测试方法能实现模拟电路的高故障覆盖率的故障检测与定位。     

基于小波包变换预处理的模拟电路故障诊断方法

阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。     

电力变压器故障诊断的人工免疫网络分类算法

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法.文中将人工免疫网络分类算法应用于电力变压器故障诊断,利用增加抗原、记忆抗体类别信息的人工免疫网络对故障样本进行学习,可以获取更好地表征故障样本特征的记忆抗体集,再用最邻近分类法对故障样本进行分类.经大量实例分析,并将其结果与IEC三比值法和BP神经网络等方法的结果相比较,表明该算法能有效地对电力变压器单故障和多故障样本进行分类,具有较高的诊断准确率.     

克隆选择优化的SVM模拟电路故障诊断方法

对基于克隆选择算法的支持向量机(SVM)参数优化、及其在模拟电路故障诊断中的应用进行了深入研究,故障诊断实现步骤为:首先对电路的各种故障模式进行蒙特卡洛仿真分析,利用小波分解提取输出信号的各频段能量,进行归一化处理后得到故障特征样本;然后应用克隆选择算法进行SVM参数优化,并将选定的参数用于SVM的训练;最后采用训练好的SVM对故障样本进行分类,从而实现故障判定。论文以CTSV滤波电路和螺距反馈电路为诊断实例进行了实验验证,结果表明对容差模拟电路的故障定位具有较高的准确率。     

支持向量机在模拟电路故障诊断中应用

支持向量机是建立在统计学习理论基础上的机器学习方法,结构简单,泛化能力强,对小样本分类具有良好的识别效果.本文提出了基于支持向量机的模拟电路故障诊断新方法,描述了电路故障特征的选取过程,建立了以支持向量机为基础的模拟电路故障诊断模型.并以双二次滤波电路为诊断实例,实验结果表明,该方法故障诊断准确率大于96.5%,优于传统方法.     

基于灵敏度特性函数的特征提取与故障诊断

为解决电路故障诊断时故障可靠分类以及特征信息有效提取的问题,提出了一种基于灵敏度特性的故障样本分类和故障特征信息提取方法。基本思想是通过电路的特性分析和灵敏度的计算,进行故障样本的分类及优化,再根据灵敏度的计算结果提取相应特征信息。以此构造故障样本特征集,然后作为BP神经网络的输入对网络进行训练与诊断。对滤波器的仿真结果表明,该方法构造的样本集训练出来的神经网络,对模拟电路故障诊断的平均正确率为85%,优于传统方法。     

基于PCA和SVM的模拟电路故障诊断

针对电路故障诊断中存在的样本要求高、推广能力弱、特征提取难等问题,提出了一种基于主成分分析(PCA)与支持向量机(SVM)相结合的模拟电路故障诊断方法.通过对电路输出响应的采样信号进行PCA处理,提取故障特征的主要成分,然后利用多类SVM对各种状态下的故障模式进行分类决策,实现被测电路的故障诊断.实验结果表明:该方法能够实现电路故障的快速检测与故障元件的准确定位,具有速度快、精度高、鲁棒性好的特点.     

基于小波变换和CFA-LSSVM模拟电路故障诊断

为了提高模拟电路软故障诊断、识别的正确分类率,提出了一种提升小波变换和混沌萤火虫算法(CFA)优化LSSVM参数的模拟电路故障诊断方法。首先对采集到的被测电路输出电压信号进行提升小波变换;然后对变换后的数据进行因子分析法对优化处理,将经优化的数据作为不同模式的故障特征集;最后将所得故障特征集作为样本输入到CFA-LSSVM模型进行故障诊断。实验结果表明,该方法的故障诊断正确率达到了98%以上,提高了诊断性能,可适用于模拟电路的故障诊断。     

水轮发电机组故障诊断的反向选择算法

本文提出了一种水轮发电机组故障诊断的新方法。该方法将生物免疫系统中的“自己_非己”理论应用于水轮发电机组故障诊断中,采用贪婪算法产生检测器集,使得所产生的检测器集能够更好的覆盖各种故障模式,从而实现了对水轮发电机组故障的分类诊断,并通过实例证明了该方法的有效性。文中最后对试验结果做出了分析。     

基于神经网络建模的零序直流原理测距研究

针对电力电缆铺设隐蔽,发生故障时不易准确定位故障点的问题,研究了零序直流保护原理和人工神经网络技术在小电流接地系统单相接地故障测距中的应用。利用直流信号不受电网电容影响的特性,建立检测源与接地网电路模型。根据电路模型,建立其数学模型,由于模型中的一些参数复杂,则考虑采用神经网络对其未知量进行辨识,并将辨识好的数学模型应用于故障测距中。根据实验数据,对两种模型进行分析,结果表明利用神经网络辨识参数的方法能够准确、可靠地实现故障测距。     

基于克隆选择分类算法的电力变压器故障诊断

变压器油中溶解气体分析是进行电力变压器故障诊断的一种有效方法,将克隆选择分类算法引入电力变压器油中溶解气体分析,利用免疫克隆选择原理学习并提取表征故障样本特征的记忆抗体集,然后用最邻近分类法对故障样本进行分类。人工免疫系统具有良好的自学习和自记忆能力, 使得克隆选择分类算法具有很强的非线性分类和泛化能力。经大量实例分析,并将其结果与IEC三比值法和BP神经网络等方法的结果相比较表明,该算法能有效对电力变压器单故障和多故障样本进行分类,并具有较高的诊断精度。     

RBF-SVM的核参数选择方法及其在故障诊断中的应用

基于核理论的SVM中,RBF核函数应用最广,是一个普适的核函数,但其参数的选择却没有固定方法。鉴于此,本文首先分析了现有核函数参数优选算法的不足;然后在SVM网络结构分类原理的基础上提出了基于数据最大方差-关联度准则的核参数选择算法,并结合粒子群算法建立了RBF核参数的自动优选流程。将其用于模拟电路故障诊断实验,证明了所提方法具有参数选择准确、简单快速等优点,优选得到的核参数提高了故障诊断率。     

基于人工免疫算法的输电线路故障类型识别新方法

根据人体免疫系统阴性选择机理,提出一种改进的阴性选择算法,能准确地识别“自我”与“非我”,还能识别出不同的故障类型,并克服了传统阴性选择算法知识表达能力差、无法设定匹配阈值、抗噪能力差和搜索效率低等缺点。在分析输电线路故障特征的基础上,首次将阴性选择算法应用于输电线路故障类型识别中,并提出了一种基于故障暂态电流能量的故障类型识别新方案。基于PSCAD/EMTDC的仿真试验结果表明：该故障类型识别方案能快速准确地识别各类故障,并且不易受到故障时刻、过渡电阻、故障位置、系统容量等因素的影响,具有较好的适应性。     

PCA和GA-PSO-RBF集成的发电机组远程故障诊断

首先基于LPC2290核心芯片的arm嵌入式工控平台设计了远程数据采集系统,使故障诊断系统通过Internet在线获取发电机组状态数据。然后给出了主元分析(PCA)和GA-PSO-RBF神经网络集成的故障诊断方法。故障模式向量先通过PCA降维,降低RBF神经网络的规模和计算时间。针对RBF神经网络参数难以设置、收敛速度慢等不足,介绍了一种具有遗传算法中的选择、交叉、变异操作的遗传-粒子群算法(GA-PSO),用于RBF神经网络的参数优化过程。最后以转子振动试验台仿真发电机组,实现了状态信息的远程获取;通过故障诊断仿真测试验证了PCA和GA-PSO-RBF集成诊断方法的有效性。     

基于灰关联熵的模拟电路测试点优选算法

选择最佳测试点是电路故障诊断的重要课题。将模拟电路看作灰色系统,对模拟电路进行灰关联熵分析,利用灰熵关联度量化测试点与故障元件之间的关联程度,从而得到故障诊断的最佳测试点。通过两个典型电路的实例表明,将灰关联熵分析用于测试点优选,具有算法简单、所需样本少、结果明确等优点,保证了测试点选择的客观性。     

电力电子电路故障的遗传进化神经网络诊断

介绍了一种诊断电力电子电路故障的基于改进遗传进化的神经网络混合算法 ,论述了该算法的理论和运算操作步骤后将其用于电力电子三相整流电路的故障诊断。仿真实验证明该法可诊断电力电子三相整流电路故障 ,且收敛速度快 ,诊断准确度高 ,具有实际的工程应用价值     

基于人工免疫的异步电机故障诊断系统

基于免疫系统的原理,提出了一种用于异步电机故障诊断的新方法.针对阴性选择存在的不能辨识故障种类的缺点,提出一种改进的阴性选择方法,该法为实数编码、用欧氏距离来判断匹配,增加了记忆集,具有学习能力,能够辨识故障种类.并借鉴生物免疫亲和度较高的抗体之间抑制作用,增加对进入记忆检测器集的有效检测器与已有的记忆检测器亲和度计算,抑制亲和度高的检测器;根据电机定子匝间短路的实验结果,提出短路负载电流的基波经过时频变换后的结果,在一定的区域与负载成正比关系;使用所提出的改进的阴性选择方法对匝间短路进行检测,检测结果证明了改进的阴性选择方法克服了传统阴性选择方法的学习能力Ζ差,不能辨认故障的种类缺点,对故障检测的准确率很高.