多重分形去趋势波动分析及改进决策树在电能质量分析中的应用

通过多重分形去趋势波动分析方法分析了6种常见的电能质量信号,证明了电能质量信号具有多重分形特征。据此提出基于多重分形去趋势波动分析的电能质量特征提取方法,选取多重分形谱参数(h_qmax、α_min、α₀)和信号能量E作为特征向量矩阵,结合改进决策树分类,进行电能质量分析和识别。该方法与DTCWT、HHT和EEMD方法进行对比实验,结果表明,该方法表现出更好的识别结果,为电能质量信号的特征提取提供了一种新的思路。     

35kV高压验电器的数显改进与开发

分析了电容式声光型高压验电器的工作原理,针对现有高压验电器在强日光及强噪声环境下抗干扰能力差的缺点提出了三种数显改进设计方案,并对各方案的安全性能、实现可能性以及经济性能进行了比较,最后采用分压式改进设计方案完成35kV高压验电器的数显改造。仿真结果与实验数据表明,提出的35kV高压验电器数显系统改进方案可行,并具有一定精度,有很大的实现可能性,完全可以满足工程验电的数显应用要求。     

基于ICEEMD及AWOA优化ELM的机械故障诊断方法

旋转机械设备故障检测及识别一直是研究的热点。针对目前故障特征提取和诊断方法的不足,提出一种基于改进的完备集合经验模态分解(ICEEMD)与自适应鲸鱼优化算法(AWOA)优化极限学习机(ELM)的机械故障诊断方法。ICEEMD能够避免在分解过程中产生伪模态,其模式中残留噪声小,使提取故障信息更加准确。利用ICEEMD将采集到的信号分解成多个本征模态函数(IMF),对滚动轴承不同故障状态IMF的斯皮尔曼等级相关系数(SRCC)的计算结果进行分析,得出筛选IMF的标准为其SRCC大于0.02;将筛选后的IMF的混合熵(HE)作为特征向量。WOA相比其他仿生算法所需要调整的相关参数少、收敛速度快、稳定性好。AWOA利用自适应权重优化WOA的局部搜索方式,进一步提高了收敛精度。利用AWOA对ELM的权值和阈值进行优化,可以提高故障诊断的准确率。通过对比实验证明,AWOA-ELM的学习能力强、故障诊断的准确率更高。AWOA-ELM应用在滚动轴承不同尺寸滚珠和外圈故障诊断中,对滚珠故障诊断的准确率达到99.5%,对外圈故障诊断的准确率达到100%。     

变电站用蓄电池正极板炭材料掺杂后性能变化

通过实验制备掺杂不同炭材料但质量分数相同的变电站用铅酸蓄电池的正极板铅膏,铅膏中所掺杂的炭材料分别为石墨烯、石墨、碳纳米管,再经过和膏、干燥等方法得到电池正极板的试样。对电池试样进行放电测试,通过扫描电子显微镜(SEM)、X射线衍射(XRD)、能量散射光谱(EDS)等不同方法表征了三种正极板材料的特性。研究结果表明,添加石墨材料的铅酸蓄电池的抗腐蚀性能较好,放电容量较高。