一种单相电路谐波电流检测方法的设计与仿真

为了解决单相电路谐波电流检测方法中所存在的问题,本文提出了一种新的单相有源电力滤波器谐波电流检测方法。通过理论分析和仿真结果表明本方法的可行性、有效性,并且适用于三相四线制系统。     

整流电路谐波和无功功率的分析

介绍了整流电路谐波和无功功率产生的机理及危害,提出对谐波和无功功率在正弦及非正弦电路中分析基础,以阻感负载为例对可控整流电路交流侧谐波和功率因数分析做了详解。     

基于MATLAB的十二脉波整流与六脉波整流仿真电路的谐波比较

利用matlab仿真平台,对十二脉波整流电路和六脉波整流电路进行仿真,对两种电路的谐波含量进行比较,得出了通过多脉波整流电路可以大大减小馈入电网谐波电流的结论.     

基于偏置经验特征映射的电路故障诊断方法

基于支持向量机的模拟电路故障诊断方法已经成为故障诊断领域的研究热点.然而,在该方法实用化过程中,故障样本集中存在的不平衡分布问题严重影响了该方法的整体诊断性能.针对该问题,提出一种基于偏置经验特征映射的故障诊断方法,该方法将故障样本集映射至经验特征空间,并在该特征空间中使用偏置判别分析准则作为核函数优化的目标函数,最大化所有正常样本同故障样本中心的距离,从而提高故障诊断方法的整体诊断能力.标准数据集以及真实电路上的实验效果表明,提出的方法可以大大缓解由于样本不平衡造成的支持向量机诊断效果下降的问题,从而提高了基于支持向量机的电路故障诊断法方法的适用范围.     

模拟电路故障的一种聚类二叉树支持向量机诊断新方法

针对模拟电路故障特征样本的分类(诊断)问题.提出了一种基于聚类二叉树支持向量机(SVMs)多分类器的故障诊断新方法,并分析了几种分类器的平均测试复杂度.首先,利用自组织特征映射神经网络(SOFM)对训练样本进行层次聚类.得到一棵聚类二叉树;其次,按照树的结构利用二元SVMs设计故障分类器,并对样本进行分组训练和测试.实际仿真和测试表明.所设计的故障分类器性能在诊断精度和效率上皆优于传统的"1-v-r"SVMs和"1-v-1"SVMs分类器,较为适合模拟电子电路的故障分类和诊断.     

基于广义瞬时无功功率理论的谐波电流检测

针对传统的电网谐波检测过程中仅能检测总谐波含量的问题,提出了一种基于广义瞬时无功功率理论的新检测算法。该算法在传统的瞬时无功功率理论i p-i q基础上进行了改进,先把电网谐波电流进行广义的旋转坐标变换,使得被检测电流变为直流分量,再将其通过低通滤波器后进行了坐标反变换,最后得到了所需的特定次谐波电流。同时对三相电网电压不对称引起的正余弦信号相位偏差进行了验证,得出了电压不对称不影响检测结果的准确性。研究结果表明,该算法灵活性高,只需要修改坐标变换的矩阵,就可以检测出不对称三相三线制系统中的任意次谐波的正序、负序分量,两者相加即得到所需的谐波电流。Matlb仿真结果验证了该检测方法的可行性。     

基于SOM网络块分类的DCT-SVD数字水印算法

不可见性和鲁棒性是用于版权保护的数字水印算法的研究重点.本文结合人类视觉系统特性,利用自组织映射网络对载体图像子块进行特性分类,然后将加密水印DCT域奇异值自适应地嵌入到载体图像子块的DCT域的中频系数中.实验证明,由于自组织映射网络良好的分类特性和SVD的特性,该算法具有良好的不可见性和鲁棒性.     

一种改进的i_p-i_q谐波电流和无功电流检测方法

当三相电压不对称时,i_p-i_q检测方法不能准确地检测出基波无功电流。该文提出了一种新的电流检测方法,通过快速合成的基波正序电压作为锁相环的基准参考电压,并在低通滤波器后加入PI调节器,提高了谐波电流的检测精度。经仿真验证,该方法在三相电压不对称时能够准确检测出基波无功电流和谐波电流。     

基于SOM网络诊断柴油机故障类型的研究

柴油机的内部结构较为复杂,发生故障概率较高,针对柴油机在工作中容易出现故障,造成经济损失等问题,本文基于SOM网络以燃油系统常见的故障和柴油机运行状态建立模型,计算得出故障分类及诊断结果。使用MATLAB软件进行验证,结果表明在不同的训练步数下使用SOM网络能准确快速的对柴油机故障进行分类。     

五次谐波法对小电流接地系统的故障定位

根据故障点前后零序电流五次谐波大小的不同,设定一定的门槛值,通过相邻两个测量点数据比较,就可以判断故障点的位置,无须母线端信息采集、分析。     

APF系统谐波电流检测方法的研究

将传统的FBD法和i_p-i_q法有机结合,设计了一种有源电力滤波系统谐波电流检测方法。系统前一部分为了高效获取有功和无功的等效电导,将传统FBD法进行改进,省掉了对零序电流的分离,利用三相电流直接完成计算。基于前一部分的计算,系统后一部分则是将i_p-i_q法进行了改进。将前一部分计算获得的有功和无功的等效电导利用线性转换得到有功和无功电流,再利用改进移动平均值法获得直流电流,同时对零轴电流实行独立控制,以实现对直流侧上下电容电压均衡控制。最后完成了仿真实验,结果表明:改进的谐波检测方法相较于传统的算法,显著提高了APF系统的静态及动态响应特性,从而证实了该算法的有效性。     

基于特征谐波电流的光伏阵列线-线故障保护算法研究

在过去的十年，太阳能发电成为世界上发展最快的新能源。但光伏阵列的出力随着光照强度等因素的变化而波动，在发生不匹配度较小的故障时，光伏阵列的故障特征不明显，保护很难准确识别出故障。针对上述问题，根据光伏电池输出电压和输出电流之间的物理模型，推导出了光伏电池的电流纹波计算公式，得出了线-线故障情况下故障组串的特征谐波电流会增大的结论，并在此基础上提出了基于特征谐波电流的光伏阵列故障保护方案。该方案通过降低Boost变换器的载波频率来进一步放大特征谐波的幅值，并根据各个组串的特征谐波幅值差异实现对故障组串的准确检测。另外，还提出了采用电流及其突变量值作为数据样本，采用KNN算法来实现对线-线故障不匹配度估计的方法。PSCAD软件的仿真结果表明，所提方法能够实现对光伏阵列线-线故障的准确识别和不匹配数的准确估算。     

基于全速电流测试的印制电路板电路故障信息获取方法

针对当前印制电路板(PCB)非介入式故障诊断的需要,结合电源电流测试技术发展现状,提出了基于全速电流测试,通过向测试电路施加测试序列使被测电路处于静置和全功能状态交替工作,采集电源电流在若干个工作周期内的平均电流值以实现非介入PCB电路故障信息获取的新方法.ITC' 97国际标准电路中的CTSV滤波器电路的全速电流测试...     

基于正弦函数相关滤波的谐波与无功电流的检测方法

提出了一种基于正弦函数正交特性,利用相关器检测电网基波有功电流的谐波及无功电流的检测方法,给出了利用该方法实现的有源电力滤波器的结构框图。理论分析和仿真结果证实了该方法具有检测精度高、自适应跟踪负荷变化等优点。     

基于SOFM网络的机械设备多类型信息融合与状态识别

从信息源的角度来说 ,机械监测与诊断系统是一个多源信息处理系统。提出了利用信息压缩进行多类型特征信息融合的思想 ,研究了自组织特征映射 (SOFM)网络处理这种多类型信息融合的可视化状态识别方法。网络输出层激活结点的轨迹 ,可以正确直观地反映出多源信息所表示状态的潜在变化特征 ,从而便于识别早期故障的发生与变化趋势。通过对试验及现场数据的融合处理 ,说明了所提出方法的有效性。     

基于小波神经网络的电路故障诊断方法

本文根据小波神经网络故障诊断的基本思想,提出了一种基于“小波系数特征故障”的小波预处理神经网络模拟电路故障诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了BP神经网络的训练速度.能迅速有效地进行故障检测和定位。     

基于延时补偿的电网谐波电流信号跟踪控制方法研究

针对电力系统中谐波污染严重等问题,以注入式混合的有源电力滤波器IHAPF作为研究对象,提出了基于延时补偿的谐波电流信号跟踪控制方法。该方法主要由π补偿Smith预估器与神经网络PI控制组成,π补偿Smith预估器使系统延时过程中从控制的闭环内部转换到外部,从而减小了控制延时对系统的影响;通过PSO-BP算法对PI控制器参数进行优化处理,最后对所提方法进行了仿真验证。仿真结果表明,与传统方法相比,本研究所提方法具有更好动态响应特性和更高的稳态补偿精度。     

电机轴承故障的自组织神经网络可视化诊断

滚动轴承是电机的重要部件,及时、准确地对其进行故障诊断是电机安全运行的重要保障。针对滚动轴承常见的状态,包括正常、内圈轻微故障、滚动体轻微故障、外圈轻微故障、内圈中等故障、滚动体中等故障、外圈中等故障等七种情况,基于自组织神经网络,提出了电机轴承故障诊断的可视化方法。首先对采集到的振动信号进行特征提取,然后构建自组织神经网络,经过训练后,利用测试数据对诊断模型进行了测试,试验结果验证了所提方法的有效性。     

基于RBF神经网络的模拟电路故障诊断方法的研究

提出了一种基于径向基函数(RBF)神经网络的模拟电路故障诊断方法.这种方法采用脉冲信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,应用径向基函数神经网络的分类能力强、学习速度快等优点进行故障诊断.结果显示,基于RBF神经网络的模拟电路故障诊断方法学习速度快,故障诊断率高.是一种有效的故障诊断方法.     

基于GMKL-SVM的模拟电路故障诊断方法

提出了一种新颖的基于广义多核支持向量机(GMKL-SVM)的模拟电路故障诊断方法。首先,应用Haar小波分析提取被测电路时域响应信号的小波系数作为特征参量,并生成样本数据;然后,基于样本数据,应用量子粒子群算法对GMKL-SVM的参数进行优化,并以此建立基于GMKL-SVM的故障诊断模型,用于区分模拟电路的各个故障。实例电路的单故障和双故障诊断实验结果表明,所提出的GMKL-SVM方法能较好地实现模拟电路故障诊断,与传统的GMKL-SVM方法相比,表现出了更好的性能,获得了更高的故障诊断正确率。