基于大数据分析的航空产品故障管控

为提高航空产品故障诊断精度与维修保障的效率,提出一种基于大数据分析技术的航空产品故障管控方法.从数据挖掘算法在产品管理中的应用进行分析,依据航空产品检定数据和历史故障数据,构建产品故障与寿命预估的关联分析模型,对大数据分析技术在航空产品的应用现状与发展前景进行阐述.分析结果表明,该研究可为未来航空产品质量管控和维修保障提供思路.     

基于多分辨奇异值分解包和随机森林的电能质量扰动分类研究

为解决电能质量扰动的分类问题,利用多分辨奇异值分解(Singular Value Decomposition, SVD)的信号逐层分解方式,提出基于多分辨SVD包与随机森林(Multi-Resolution SVD and Random Forest, MRSVD-RF)的电能质量扰动分类方法。通过实验证明了该算法对单一和复合电能质量信号的分类效果明显优于分解结构相似的基于的小波包的信号分解方式,比较了分类器模型的选择和特征提取数量对算法性能的影响。     

采用奇异值梯度信息的暂态电能质量扰动自适应检测方法

为了满足对电网非平稳扰动信号快速、准确分析的要求,提出了一种采用奇异值梯度信息的暂态电能质量扰动检测新方法。通过滑动窗奇异值分解(SVD)方法提取信号的变化特征、降低噪声干扰,并通过奇异值梯度求取扰动指示信号,得到初步定位结果。提出无参自适应阈值,进一步抑制噪声干扰并实现对暂态扰动信号的检测定位。所提算法原理简单,无需进行前置滤波及参数调节。一系列仿真试验的对比分析结果表明,所提算法定位准确、抗干扰能力强,对过零点扰动也有较好的检测效果。通过对变电站实际暂态扰动数据的检测分析,进一步验证了所提算法的有效性。     

基于自适应阈值和奇异值分解的电能质量扰动检测新方法

随着电力系统规模的增大,为保证电力设备的稳定运行,电能质量数据的分析算法面临更高的要求。在考虑算法精确度及抗噪性的同时,对一些微弱扰动及复杂扰动的检测也提出了新的挑战。针对以上需求,提出一种通用的电能质量扰动检测算法,基于异常扰动波形的特点,提出基于波形差值的自适应阈值,无需调节参数即可对信号进行故障判断,实用性高,并且采用加窗的方式对信号进行奇异值分解,并根据检测结果给出明确的扰动定位;最后通过多组模拟信号与实测信号的仿真实验,验证了所提算法的有效性,并证明了算法具有计算量小、实时性高的优点;通过与其他算法的对比分析,进一步表明了文中所提算法具有更高的灵敏度与抗噪性,普适性强。