基于粗糙集的适应型Petri网故障诊断模型研究

针对Petri网应用存在模型状态空间复杂度问题,提出粗糙集与Petri网相结合的诊断算法,利用粗糙集的关联规则挖掘算法将包含繁冗信息的复杂系统简化,从而解决了Petri网的状态空间随着实际系统的规模增大而呈指数性增长的"知识爆炸"问题.在Petri网的数学理论基础上,提出了改进的关联矩阵和状态方程计算方法,提高了推理搜索速度,同时将诊断问题转化为矩阵运算,使复杂的推理转变为简单的数学计算.最后将该算法应用于直线感应电机参数优化诊断实例,证明了该算法的有效性和快速性.     

基于粗糙集理论和Petri网的断路器故障诊断

将粗糙集理论和Petri网相结合,一同用于断路器故障诊断。为了简化断路器故障诊断决策表,采用粗糙集理论中区分矩阵算法和规则提取的矩阵算法对决策表实现条件属性约简与规则简化,找到决策表中隐藏的潜在规则,减少工作量,降低不确定信息的影响,提高故障诊断准确率。用粗糙集理论得到的规则建立Petri网络模型,Petri网可以将知识表示和诊断能力融为一体,利用Petri网实现并行推理,通过简单的矩阵运算对断路器故障诊断进行快速计算。实例分析表明所提出方法准确有效。     

基于适应型Petri网的电网故障诊断方法

建立了以断路器、继电保护装置的动作情况与假设故障的适配指标为目标函数的优化模型,将适应型Petri网的分析方法与电网故障诊断方法相结合,通过分析故障推理过程中的时间标签和变迁标识集合、比较故障元件的标识变化,评价保护设备的动作情况,使各分析单元能够在较多的可能出现故障的元件集中识别出真正的故障元件。采用变更基本单元使能序列的方法求取上述最优目标函数值,实现了对电网故障的诊断与识别。IEEE-118 母线标准测试系统局部网络的仿真结果验证了上述模型和方法的正确性和有效性,表明该方法具有过程简单、易于实现、计算速度快、网络分析能力强等优点。     

粗糙集结合Petri网的3/2接线变电站故障诊断研究

500kV及以上的变电站多采用3/2接线方式,其主接线结构和保护配置具有自身的特点.本文在分析了3/2接线系统保护动作策略的基础上,建立了故障诊断的初始决策表,并利用粗糙集的属性优选对该表进行最小约简,构建最优的Petri网模型,从而实现故障诊断.变电站故障诊断实例证明了该方法不仅能够准确诊断出3/2接线系统的故障元件,而且诊断速度快,容错性好.     

粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法研究

针对配电网规模庞大且发生故障后警报信息存在不确定性和不完整性的问题,提出了一种粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法.该方法先将配电网划分为多个独立的区域,对于各个区域分别建立故障决策表,再利用粗糙集对决策表进行属性优选和诊断规则提取,最后构建Petri网模型,通过Petri网的并行推理实现故障诊断.诊断实例证明了该方法不仅诊断快速准确,而且容错能力强、适应性好、灵活性高.     

基于粗糙集理论和Petri Nets的变压器故障诊断

介绍了一种基于粗糙集理论和Petri Nets相结合的变压器故障诊断方法,并通过故障实例证实了该方法的准确性和高效性.     

基于有色Petri网的电力系统故障诊断模型研究

现有的基于Petri网的电网故障诊断模型通用性不强,针对大电网建模时模型结构较复杂。建立了一种基于有色Petri网的电网故障诊断模型,用不同的单色代表保护类型、断路器和电网元件,根据保护原理和网络拓扑组合成复合色,用带有这些颜色标记的托肯表示不同类型的状态信息。同时建立有色Petri推理过程,给出变迁的点火规则,根据有色Petri网的推理规则进行推理获得诊断结果。通过对110 kV局部电网和某省局部电网的仿真验证表明：该方法对简单和复杂故障均能获得正确的诊断结果,并且推理速度快,模型简便,网络拓扑和保护配置的改变不影响模型结构,是一种通用性较强的电网故障诊断方法。     

基于有色Petri网的电力系统故障诊断模型研究

现有的基于Petri网的电网故障诊断模型通用性不强,针对大电网建模时模型结构较复杂.建立了一种基于有色Petri网的电网故障诊断模型,用不同的单色代表保护类型、断路器和电网元件,根据保护原理和网络拓扑组合成复合色,用带有这些颜色标记的托肯表示不同类型的状态信息.同时建立有色Petri推理过程,给出变迁的点火规则,根据有色Petri网的推理规则进行推理获得诊断结果.通过对110 kV局部电网和某省局部电网的仿真验证表明:该方法对简单和复杂故障均能获得正确的诊断结果,并且推理速度快,模型简便,网络拓扑和保护配置的改变不影响模型结构,是一种通用性较强的电网故障诊断方法.     

基于Petri网的机车故障诊断方法研究

本文主要研究了Petri网在故障诊断中的应用。由千Petri网对系统的动态行为建模能力强,针对机车故障的基本特性,分析了Petri网在故障诊断中的应用,结合故障树模型的特点,提出了一种适合故障特性的故障Petrj网模型。与其他Petri网模型相比,该模型能够很好地描述故障的演变和传播特点,解决故障的各种传播模式问题。提出了故障Petri网的诊断算法,该算法具有并行推理能力,同时可以得到推理后系统的全部状态值,也可以方便快速地找出故障的传播路径。     

基于Petri网技术的电力系统故障诊断

2003年8月14日美加大停电事故为我国电力安全工作今后研究方向带来了启示。利用Petri网技术对电力系统故障进行快速建模,并在计算机辅助故障诊断方面进行研究运算,可及时得出故障范围。为此,介绍了利用Petri网进行电力系统故障仿真,包括了模型的建立、故障假设与诊断和对不确定信号的诊断与排除,并给出了仿真算例。这有助于调度人员快速、准确地判断事故,防止电网事故扩大。     

基于粗糙集理论和信息融合的变电站故障诊断方法

由于变电站故障诊断信息中含有大量不确定、噪声数据，提出了利用粗糙集理论对大量的诊断征兆信息进行分类，从而获得简约的规则。然后从单个决策表中获得多个简约的决策规则集，再利用信息融合来综合这些简约的规则集进行故障的诊断，从而提高诊断的效率和准确性。从最后仿真比较的结果中可以看出该方法对含有噪声的数据也能获得较好的诊断准确率。     

基于Rough set理论的改进三比值故障诊断方法

本文提出一种基于粗糙集理论的三比值电力变压器故障诊断法.文中首先从IEC三比值诊断表出发,应用粗糙集理论构造决策表,然后对决策表进行约简,最后获得变压器故障三比值诊断决策表.实验结果表明,这种改进的三比值诊断方法扩展了原始IEC三比值的编码范围,提高了实际故障诊断能力,它的正确诊断率比IEC三比值诊断法较高,在实际工程中具有应用价值.     

基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断。该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断。实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果。     

基于粗糙集贪心算法的逆变器开路故障诊断

针对逆变器开路故障时特征信息的冗余性、复杂性和精确度不高的问题,提出一种粗糙集贪心算法来进行数据离散和属性约简并提取有效规则表。该方法可以在系统的不可分辨关系不改变的前提下实现数据的离散化,并从数据样本集中提取重要度较高的条件属性进行属性约简,最后提取有效规则表实现逆变器开路故障诊断。该方法很好地解决了逆变器开路故障诊断时处理数据的冗余性和复杂性的问题,大幅度减小故障数据特征维度,同时运用有效规则表可快速准确地进行故障诊断,节省大量时间。     

感应电机速度和电阻自适应辨识的LMI方法(英文)

该文研究了一种感应电机无速度传感器模型参考自适应系统(model reference adaptive system,MRAS),提出一种新型的基于自适应磁链观测器的常数增益速度辨识方法。首先,运用李亚普诺夫(Lyapunov)稳定性理论设计出自适应磁链观测器及速度估算方法,通过MATLAB中的线性矩阵不等式(linear matrix inequality,LMI)工具箱求解线性矩阵不等式获得磁链观测器的增益矩阵,保证了此磁链观测器的稳定性,同时也克服了运用极点配置方法带来不稳定区域的问题。该文还研究了基于自适应观测器的电阻辨识问题。基于给出的自适应磁链估计方法,设计了感应电机无速度传感器直接转矩控制系统,并进行了MATLAB仿真和实验,结果表明,提出的无速度传感器速度方法在全速范围内具有很好的动态和静态性能。     

考虑动态端部效应与负载扰动的单边直线感应电机预测电流补偿控制

论文提出一种针对单边直线感应电机(single-sided linear induction motors,SLIMs)的基于非线性负载扰动观测器的预测电流补偿控制策略。首先考虑到SLIM特有的动态端部效应的影响,通过跟踪补偿 M-轴电流分量来维持次级磁链 T-轴分量的恒定,而后在一次线性条件下,引入一阶离散泰勒级数对速度状态进行预测。另一方面将电机气隙变化与各类边端效应对电机推力输出的影响统一为系统受到负载扰动的影响,而应对此扰动,通过非线性扰动观测器,在预测前向控制通路增加了实时补偿控制量,借此提升整个预测控制系统的鲁棒特性。最后实验对所提算法的有效性进行了验证。     

Rough set and fuzzy wavelet neural network integrated with least square weighted fusion algorithm based fault diagnosis research for power transformers

In this paper, a rough set (RS) and fuzzy wavelet neural network (FWNN), integrated with least square weighted fusion algorithm based fault diagnosis for power transformers, using dissolved gas analysis (DGA) is proposed. This approach takes advantage of the knowledge reduction ability of rough set and good classified diagnosis ability of FWNN, integrated with least square (LS) weighted fusion algorithm. The rough set is used as a front of FWNN, integrated with LS weighted fusion algorithm to simplify the input of FWNN and mine the rules whose “confidence” and “support” satisfy a preset criteria. The mined rules are used as a diagnosis knowledge base to offer fault diagnosis service for power transformers. FWNN, integrated with LS weighted fusion algorithm, is used to diagnose the case that cannot be diagnosed by mined rules by rough set. The FWNN input is simplified by rough set reduction, and its learning rate is improved greatly. FWNN, integrated with LS weighted fusion algorithm, on one side, can much better improve the diagnosis accuracy, when the output vector of single FWNN has the similar element. On the other hand, its diagnosis accuracy cannot be limited by the neural network hidden layer number and correlated training parameter. The mechanism has good classified diagnosis ability. The advantages and effectiveness of this method are verified by testing.     

基于GA与RS的电力系统输电线路故障诊断

针对电力系统中存在着各种故障,及断路器跳闸进而引起大范围停电的情况,提出了一种基于建模-简约-优化的多源信息融合的智能故障诊断方法.通过对电力系统输电线路故障的原因分析,确定基于遗传算法的故障诊断规则.再利用粗糙集理论对故障动作决策表进行最大限度的约简,此方法保留了关键信息同时得到了知识的最小表达,能够更快更准确的诊断出故障发生的位置.通过实验证明:文中所提出故障诊断模型高效便捷,可应用于大型电力系统的故障诊断,尤其是输电线路方面的故障诊断,在诊断电力线路故障方面提供了一个切实有效的方法.