一种优化特征选择-快速相关向量机变压器故障诊断方法

为了快速准确地诊断变压器故障,提出一种基于量子粒子群优化的快速相关向量机(quantum particle swarm optimized fast relevance vector machine,QPSO-FRVM)变压器故障诊断模型。首先建立了快速相关向量机多层次分类模型,在此基础上提出劣化度故障特征提取方法;其次分析了影响相关向量机分类性能的2个因素,借助量子粒子群算法确定每一层的核函数参数以及故障特征提取方法。最后利用训练好的 QPSO-FRVM 模型进行变压器的故障诊断,并与IEC三比值法、SVM模型进行对此。仿真结果表明,FRVM 缩短了训练时间,具有比RVM更高的诊断效率;同时在小样本情况下,对核参数和特征提取方法均进行优化选择的QPSO-FRVM模型,具有比IEC三比值法和SVM模型更高的诊断准确率,为实现变压器快速准确的故障诊断提供一种新的参考。     

浅析火电厂石子煤处理系统的自动化解决方案

进入到新世纪以来,随着我国国民经济水平的高速发展,我国的各行各业也都取得了飞速的发展和进步,同样我国的火力发电企业也得到了快速的发展和壮大,一般情况下,火电厂石子煤处理系统的关键设备都是磨煤机,而每天磨煤机生产结束也会产生一定量的石子煤,对于这些石子煤必须将其妥善的处理并排出。传统的石子煤都是需要人工进行处理的,工作环境很差,并且工作的强度也较高。本文介绍了一种新型的火电厂石子煤处理系统的自动化解决方案,并从处理系统的硬件构成、处理系统的软件设计以及处理系统的通讯介绍三个方面分析了石子煤处理系统的自动化解决方案。