基于振动信号的高压并联电抗器故障诊断方法与监测系统研制

通过研究高压并联电抗器表面振动信号的幅频与分布特性,结合斯皮尔曼相关性分析,寻找并验证能够表征高压并联电抗器机械故障状态的特征参数,将振动信号的分段离散功率谱、主成分系数等参数组成特征向量,综合K-临近算法、支持向量、神经网络等多种机器学习方法实现对高压并联电抗器机械故障的诊断。在此基础上研发了一套在线监测系统,具有信号采集分析、故障诊断预警、数据智能采样存储、特征观察分析等功能。经实验测试表明,该系统诊断准确、性能稳定、方便智能,具有一定的实用价值。     

高压电抗器绕组和铁芯机械故障的混沌特性分析与特征识别

首先,根据Kolmogorov熵判断高压并联电抗器振动信号的混沌特性,在证明其具有混沌特性的基础上重构振动信号,分析不同电压等级、不同故障类型和故障程度下振动信号相轨迹的变化规律。然后,将最大Lyapunov指数、Kolmogorov熵、关联维数作为一组混沌指标定量计算和表征高压并联电抗器绕组和铁芯发生机械故障前、后振动信号混沌特性。最后,利用多混沌指标构建特征空间进行故障识别,并与已有的高压并联电抗器故障识别方法进行对比验证多混沌特征空间识别故障的优越性。分析结果表明,多混沌特征空间能够准确实现无监督在线故障识别,其准确率比已有方法至少高5 %。     

半桥三电平双有源桥不对称均压控制策略

半桥三电平双有源桥(HBTL-DAB)电路工作时必须解决三电平侧上下直流母线电容均压问题,在传统对称控制模式中,可通过微调占空比的方法,实现带载情况下的电容电压均衡控制。然而在空载情况下,对称控制模式难以从控制策略上实现上下直流母线电容电压的均衡调节。针对该问题,文中提出一种针对HBTL-DAB电路的不对称控制方法,首先从理论上分析对称模式不能均压的原因,进而根据不对称方法计算空载时上下直流母线电容分别在正负半周期内传输的能量偏差。通过调节该能量偏差实现上下直流母线电容电压的均衡控制,并同时指出影响电压均衡控制效果的主要因素。最后通过仿真,对所述不对称控制方法在多种工况下的运行情况进行验证。结果表明,无论是外部持续存在不平衡因素的工况、只存在初始不平衡因素的工况,还是内部存在脉冲误差的工况,不对称控制方法都能实现空载和带载时的电压均衡控制。     

基于混沌理论与蝗虫优化K-means聚类算法的电抗器铁芯和绕组松动状态监测

为了更加准确有效地监测高压并联电抗器铁芯和绕组机械状态,提出了基于混沌理论与蝗虫优化K-means聚类算法的电抗器铁芯和绕组松动状态监测方法。首先,对振动信号的混沌特性进行分析,采用C-C法选择最佳延迟时间和嵌入维数,对电抗器振动信号进行相空间重构;然后,利用蝗虫算法优化传统K-means聚类算法,从而更加合理地选取初始簇中心,进而通过优化后的K-means聚类算法求出重构信号相轨迹的簇中心;最后,根据簇中心位移矢量和的模值变化对电抗器铁芯和绕组松动状态进行监测。研究结果表明：采用Wolf法求得的各测点最大Lyapunov指数均大于0,证明电抗器振动信号具有混沌特性。蝗虫优化K-means聚类算法有效提高了计算结果的准确性,振动信号相轨迹的簇中心位移矢量和的模值变化能够有效反映铁芯和绕组松动故障隐患,从而为电抗器铁芯和绕组松动状态检修提供了理论依据。     

基于振动原理的GIS母线导电杆松动故障分析与诊断

气体绝缘组合电器(GIS)长期工作在大电流强电动力环境下,受开关设备反复操作与长期机械振动影响,GIS设备的电气连接处易出现松动故障,导致GIS异常振动,甚至引发气室漏气与绝缘性故障。针对GIS母线导电杆松动故障,提出了基于振动检测的故障诊断方法。对正常运行与松动故障时的振动进行理论分析,建立126 kV振动检测实验平台,研究母线导电杆松动时振动信号特征。研究表明:正常运行时,GIS母线管外壳振动频率在1 000 Hz以内,100 Hz是主要机械振动频率。母线导电杆松动时1 000 Hz以上频率成分显著增加,并且故障越严重增加越明显。故可将故障时显著增加的1 000～3 000 Hz的频域能量E_(1～3 kHz)与1 000 Hz内的频域能量E_(0～1 kHz)作为特征量,将其比值定义为松动故障系数γ,反映故障的严重程度。计算表明,γ0.04母线导电杆松动故障,γ越大故障越严重,当γ≥0.1则松动较为严重。     

新型船用水下安全检测机器人

为了定期监视大型远洋货轮、油轮等船舶,保证港口、航道、口岸以及船舶的安全,针对自主研发的新型船用水下安全检测机器人开发了一套多功能、模块化的控制系统.该控制系统主要包括水面控制与水下控制2部分.水面控制系统采用MFC开发的上位机监控软件,采用网络通信通过脐带缆与ARM9为核心的水下控制系统通信;水下控制系统中主控芯片通过CAN总线与从控制器ARM-M0进行通信从而控制推进器、机械手及其外围设备等.采用一种改进的自适应卡尔曼滤波器,并进行ROV水下结构检测、定深、定航等水池实验.结果表明:该控制系统控制效果较好,实现了对水下机器人的远程操控.     

基于时变滤波经验模态分解和SSA-LSSVM的变压器内部机械故障诊断方法

为了准确有效地识别变压器内部的潜伏性机械故障,提出了一种基于时变滤波经验模态分解(TVFEMD)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的变压器内部机械故障诊断方法。首先,对铁心处于不同松动状态的变压器进行振动信号采集;其次,利用时变滤波改进的经验模态分解（EMD）对所得振动信号进行分解,以获取多个本征模态函数(IMF)即模态分量;然后,采用相关系数法计算IMF分量与原始振动信号的相关性,并计算相关性最大的IMF分量的样本熵,以此构建特征向量集;最后,以诊断准确率最高为目标函数,利用SSA对LSSVM的正则化参数和核函数参数进行优化,搭建SSA-LSSVM诊断模型,并利用诊断模型对特征向量集进行诊断识别,实现变压器铁心内部潜伏性机械故障的诊断。试验结果表明,所提方法能够有效识别变压器内部潜伏性机械故障,识别准确率达到了98%以上,比对比算法的识别准确率高出5%以上,达到了高识别准确率的诊断效果。     

基于ICEEMDAN多尺度模糊熵和MVO-KELM的变压器绕组铁心机械故障诊断

针对变压器绕组铁心机械故障诊断精度不足的问题,提出了一种基于改进自适应白噪声完整集成经验模态分解(ICEEMDAN)多尺度模糊熵(MFE)和多元宇宙优化算法优化核极限学习机(MVO-KELM)的变压器绕组铁心机械故障诊断方法。首先,为了避免虚假模态分量的产生,采用改进的ICEEMDAN对变压器原始振动信号进行分解。其次,利用Pearson相关系数法选取相关性最高的模态分量,并计算其MFE值。然后,将MFE值作为特征量构建特征数据集,并利用MVO优化KELM的核参数和正则化系数。最后,将特征数据集输入所建MVO-KELM模型进行分类识别,实现高准确率诊断目标。试验结果表明,所提方法具有优秀的诊断精度和稳定性,能够精确诊断变压器绕组铁心不同松动程度的故障,诊断准确率达到了99%以上,可为变压器现场检修策略的制定提供一定的指导。     

电力变压器振动特性分析与固有频率识别北大核心CSCD

文章提出了基于合闸振动信号的变压器振动固有频率识别方法,可以据此来实现对变压器机械状态的评估。首先,文章建立了变压器多自由度非线性轴向振动模型,通过计算得出变压器在发生故障时其固有频率将会发生变化,而振动固有频率可以从变压器的合闸振动信号中提取得到,基于此文章提出了基于变分模态分解和特征系统实现算法结合的变压器固有频率识别方法,并根据固有模态分量的统计特性,提出了基于延时峭度法的模态识别方法,最后通过仿真与实验证明所提方法较传统方法而言可以有效的降低谐波模态的干扰,提高固有频率的识别精度。