飞机电缆跨转接头故障建模与诊断

构建飞机电缆系统复杂的跨多转接头结构,建立了飞机电缆跨转接头断路故障数学模型及相应的仿真模型,利用时域反射法计算与分析飞机电缆跨一个和多个转接头时特性阻抗及反射系数的变换规律,仿真研究飞机电缆断路故障时窄延脉冲波形跨一个和多个转接头下波形反射及透射情况,通过工控机硬件平台及LabVIEW软件搭建飞机电缆跨转接头故障诊断系统.实验结果表明:仿真模型在飞机电缆断路故障多个跨转接头时具有可扩展性,波形辨识度高,在高采样率硬件平台中可以实现飞机电缆跨转接头故障诊断及定位.     

基于小波包和CS-BP神经网络的矿用电力电缆故障诊断

针对矿用电力电缆故障类型诊断实时性和准确性不足等问题,提出一种基于小波包信息熵和布谷鸟搜索优化BP神经网络的方法对矿用电力电缆进行故障诊断.通过PSCAD对电缆故障进行仿真,将故障电压信号进行三层小波包分解和重构,再提取小波包信息熵构造特征向量.训练CS-BP神经网络使其输入特征向量后能够有效检测并输出电力电缆的故障类型,以实现对电力电缆的故障诊断.实验结果表明,该方法可以有效地诊断电力电缆的故障类型,并且优于同参数下的BP神经网络和PSO-BP神经网络模型.     

考虑脉冲信号传输特性的矿用电缆故障定位方法

为解决电缆分接头对脉冲信号的反射干扰造成故障定位困难的问题,分析了脉冲信号沿电缆传输特性:脉冲信号幅值、脉宽随传输距离的增加呈单调线性变化。在此基础上提出了一种考虑脉冲信号传输特性的矿用电缆故障定位方法:通过向电缆中注入原始脉冲信号获得反射脉冲信号,根据反射脉冲信号的脉宽、幅值变化识别电缆故障点反射脉冲信号,从而排除电缆分接头反射脉冲信号的干扰,实现故障准确定位。搭建了矿用电缆故障定位仿真模型对该方法进行验证,仿真结果表明,该方法具有较高的故障定位精度,定位误差小于1%。     

基于机器学习的电缆故障诊断知识库设计方法

针对电缆故障在诊断过程中采集的故障信号量庞大,加大了故障信号的检索难度,为提高电缆故障信号的检索能力,提出了基于机器学习的电缆故障诊断知识库设计方法。根据电缆故障点的发生位置示意图,描述了电缆故障的产生,利用电缆故障行波的传播过程,确定了电缆故障的发生位置,通过计算电缆故障信号的噪声能量阈值,将电缆故障信号的突变点信息去除,通过采集电缆故障信号的小波熵,反映出故障信号的噪声变化关系,确定了电缆故障信号的噪声能量阈值,采用机器学习建立了电缆故障诊断知识库的模糊决策矩阵,通过设计电缆故障诊断的知识库结构,对电缆故障诊断知识库进行了设计。结果表明,基于机器学习的电缆故障诊断知识库对电缆故障信号的检索精度高达93.4%,在检索效率方面具有更高的性能。     

面向电缆故障检测的布尔混沌时域反射法

针对基于混沌随机信号相关法的电缆故障检测方法存在的成本高、易引起误判的问题,提出了一种面向电缆故障检测的布尔混沌时域反射法。该方法将布尔电路产生的混沌信号分为2路:一路作为参考信号,另一路作为探测信号注入被测电缆;通过对参考信号和电缆故障点处的反射信号进行采样和相关运算,即可从相关峰的时间延迟和幅值信息中推断出故障点的位置和故障类型。电缆故障测试结果表明,布尔混沌时域反射法可以对电缆的短路、断路和阻抗失配等故障进行检测,且测量范围和空间分辨率分别可达到900m和0.1m。     

一种新颖的飞机电缆故障类型诊断方法

文章分析了传统飞机电缆故障诊断算法优缺点,结合希尔伯特-黄变换下的数据去噪处理,提出一种基于相位检测频域反射计的飞机电缆"硬性故障"(短路和断路)故障判断方法,通过分析短路、断路下参考入射信号和反射信号合成的信号相位、幅值差异,解决了相位检测频域反射计单纯应用在故障点距离判断的缺陷.实验结果表明,该算法能有效地判断出飞机电缆"硬性故障"(短路和断路)类型,应用电缆长度范围广、精度高、软件控制简单、运算量小,适用于飞机电缆等复杂检测环境下的电缆"硬性故障"类型判断.     

便携式电缆故障定位设备研究

针对电力电缆运行环境的特点,分析故障产生的机理,给出各种常见故障类型,并根据阻抗匹配原理,通过测量电缆电阻的大小,设计一种新型电缆故障检测电路,运用电桥法和低压脉冲反射法实现电力电缆的故障定位。     

关于异步电机故障诊断分析与仿真

电机故障不仅会损坏电机本身,而且会影响整个系统的正常工作,甚至危及人身安全,造成巨大的经济损失.为了更好地对运行中的电机进行故障诊断.为了实时监测提供精确数据,提出了基于Elman神经网络模型和SCG权值优化算法的故障诊断新方法.以Y132S-4型感应电动机为研究对象,采集电机定子电流信号,通过功率谱估计获取故障特征频率,再利用神经网络作为故障识别装置来监测电机是否处于正常状态.用Elman诊断网络模型进行仿真,并与改进型BP网络的诊断结果进行比较,得到了更为理想的诊断效果.     

集成神经网络在机械故障诊断中的应用探讨

现代信息技术和人工智能技术的飞速发展,为日趋复杂的机械设备故障诊断提供了技术支持;人工神经网络具有良好的分类特性,适合故障诊断;为了克服单神经网络故障诊断缺陷,研究了一种基于信号类型和信息融合思想的集成神经网络的智能故障诊断方法,降低了网络的复杂度,同时由于综合考虑了各种信息对故障特征的反映,提高了故障确诊率;为了提高学习效率,采用了一种快速的网络训练算法-免疫遗传算法;以某型兵器传动装置中的齿轮故障诊断为例,采用振动和声发射检测等技术获取训练样本训练网络,专家给出各网络对故障类型的置信权矩阵,将现场采集数据输入到诊断系统中,系统准确快速地得到了设备故障类型,结果符合实际,表明该方法行之有效.     

基于时频反射的飞机导线故障诊断方法

在基于时域反射的飞机导线故障诊断方法中,针对局部故障、连续故障和跨转接头故障反射信号微弱、 信号衰减严重而使故障点难以诊断的问题,提出了基于时频反射的飞机导线故障诊断方法,使故障更易被发现,提 高飞机导线故障检出率．另外,时频反射方法中检测信号易受噪声信号干扰而产生故障误报,因此,特采用小波系 数收缩算法对检测信号进行降噪处理,降低飞机导线故障诊断误报率．最后,通过实验验证了该方法的可行性并与 时域反射法进行了比较,结果表明基于时频反射的飞机导线故障诊断方法在故障检出率和误报率方面均有明显改 善．     

基于EEMD的电缆故障测距方法仿真研究

正确辨识和检测故障行波信号是实现电缆故障行波定位的关键.为了解决传统EMD方法频带混叠问题,提出了一种基于集合经验模态分解(EEMD)的电缆双端行波测距方法,通过EEMD提取双端故障行波线模分量的固有模态函数,利用基于瞬时频率突变和模极大值的奇异性检测原理进行行波波头的准确标定,实现故障点定位.利用PSCAD/EMTDC(电力系统CAD/电力系统仿真分析软件)软件搭建基于频变特性电缆线路的10 kV配网模型.大量的仿真结果验证了该方法可行,测距精度高.     

基于特高频和CNN-LSTM-Attention算法的高压电缆故障诊断方法

随着高压电缆的加速发展和老化,由局部放电(partial discharge, PD)引起的故障问题亟须解决。为此,提出了一种基于特高频(UHF)局放技术与CNN-LSTM-Attention算法的高压电缆故障在线智能诊断方法。首先,对高压电缆的PD产生机理,以及UHF局放技术的实现过程进行描述。其次,利用巴特沃斯(Butterworth)对PD信号进行高通滤波,采用小波变换对信号进行去噪,IPLR算法对PD信号进行降维处理,进而实现特征量的准确提取。最后,建立由CNN-LSTM-Attention算法构成的智能诊断模型。模型中卷积层(CNN)提取轮廓特征,长短期记忆层(LSTM)提取信号时序特征,注意力层(Attention)学习信号重要时序部分。通过实际数据仿真表明：相比传统神经网络方法,CNN-LSTM-Attention神经网络检测方法能够准确识别高采样率的异常放电信号特征,且故障识别准确率明显提高。     

基于网络模型的输电线路缓变故障诊断方法

针对输电线路缓变故障的故障机理不明确,全系统的故障及时诊断和仿真困难等问题,提出了基于网络模型的缓变故障诊断方法。引入复杂网络集群划分中的模块性概念,解决了状态划分过程中的数据间相似度测度和划分测度问题。利用网络结构反映故障状态和特征,建立故障诊断网络模型,把输电线路故障诊断转化为子网络探测问题。通过多传感技术针对同一故障的多种故障表征,多层次多领域采集不同的特征量,选择故障反映灵敏度高的状态信息量,从而较好分析诊断故障。通过实验仿真对比,证明了基于网络模型的故障诊断方法对输电线路缓变故障诊断具有较高的正确率和容错性。     

基于故障暂态信息的配网电缆单相接地故障测距方法

介绍一种基于线路分布参数模型的、可利用故障暂态信息的配网电缆单相接地故障测距方法,应用于高精度电缆测距装置上,能对电缆故障快速精确定位,缩短恢复供电时间,有效弥补传统型电缆故障测距仪器的不足.     

基于多元时间序列分析的控制系统执行器故障诊断方法研究

为提高控制系统执行器故障实时诊断的准确率,该文提出一种基于多元时间序列分析的控制系统执行器在线故障诊断方法。首先分析了控制系统执行器故障机理,确定了表征执行器故障的关键信号;其次采用执行器历史数据,建立了时间卷积网络(TCN)在线预测模型,对执行器多通道信号进行在线预测;随后通过长短期记忆网络(LSTM)对多通道残差信号建立了故障分类模型;最后以燃气轮机控制系统执行器半物理试验平台中的电液执行器为例进行了多次重复试验验证。结果表明,基于TCN网络的在线预测模型相比传统循环神经网络(RNN)预测误差较小;基于LSTM网络的故障分类模型准确率较高;通过LSTM网络对多通道残差信号进行故障分类,比对原始故障数据分类故障准确率更高。     

基于渗透测试的通信光缆寻障定位仿真研究

针对传统通信光缆寻障定位方法信号去噪性能较差的问题,提出一种基于渗透测试的通信光缆寻障定位方法,基于渗透测试对通信光缆实施OTDR测试,设定仪表上的物理参数,获取其OTDR曲线,从而获取通信光缆活动接头、断裂、弯曲等各种故障信息,完成OTDR测试后,计算故障前与故障后的具体光功率差值,获取通信光缆的故障点发生位置,确定故障点发生位置后,利用溶接点定位方法分析OTDR曲线,获取测试端与故障点之间的光纤长度、测试端距各个机房的光纤长度,对该故障点进行准确定位,实现了基于渗透测试的通信光缆寻障定位。实验结果表明,基于渗透测试的通信光缆寻障定位方法的去噪信号高频部分波形更加密集且平稳,即该方法的信号去噪性能较好,更适用于通信光缆的寻障定位。     

基于改进卷积神经网络的电力通信网故障诊断研究

针对当前电力通讯网络故障诊断方法及时性差、准确率低和自我学习能力差等缺陷,提出基于改进卷积神经网络的电力通信网故障诊断方法,结合ReLU和Softplus两个激活函数的特点,对卷积神经网络原有激活函数进行改进,使其同时具备光滑性与稀疏性;采用ReLU函数作为作为卷积层与池化层的激活函数,改进激活函数作为全连接层激活函数的结构模型,基于小波神经网络模型对告警信息进行加权操作,得到不同告警类型和信息影响故障诊断和判定的权重,进一步提升故障诊断的准确率;最后通过仿真试验可以看出,改进卷积神经网络相较贝叶斯分类算法与卷积神经网络具有较高的准确率和稳定性,故障诊断准确率达到99.1%,准确率标准差0.915%,为今后电力通讯网智能化故障诊断研究提供一定的参考。     

飞行器导航传感器故障诊断的应用研究

研究导航传感器故障诊断问题,由于飞行器导航传感器所处环境十分复杂,导航系统由多种部件组成,故障存在许多随机性、模糊性和不确定性因素,难以建立确定数学模型。传统线性模型故障诊断准确率低。为了提高飞行器导航传感器故障诊断准确率,提出一种神经网络的导航传感器故障诊断方法。飞行器导航传感器发生故障时信号中会产生突变成分,利用小波包对原始故障信号进行分解,提取信号特征向量,然后将特征向量输入神经网络训练,实现飞行器导航传感器故障智能化诊断。在Matlab平台实现传感器故障诊断的仿真,结果表明,神经网络提高了飞行器导航传感器故障诊断的准确率,是一种在线、行之有效的导航传感器故障方法。     

航空电缆故障检测设备的ADC增频方法

航空电缆用于连接电源设备和其他系统设备,以传输电能和信号,其性能直接影响飞机的运行安全,因此必须对航空电缆的故障进行严格的检测和排除.时域反射技术(Time Domain Reflectometry,TDR)是目前最为成熟的电缆故障检测方法,该技术根据反射脉冲与发射脉冲的时间间隔和相位关系来判断故障位置和类型.基于TDR技术的电缆故障检测设备通常使用ADC(Analog-to-Digital Converter)模块对检测信号进行采样,采样频率在很大程度上决定了故障检测精度.目前主要通过使用高精度的ADC采样模块或构建延时线来获得更高的采样精度,但是存在增加系统成本和复杂度的问题.针对上述问题,设计了一种ADC等效采样法,该方法通过对参考时钟延时得到延时时钟,依次以各延时时钟作为采样时钟对检测脉冲进行采样,采样结束后,依照采样顺序对采样数据进行排序并重构检测波形,从而在使用频率较低的ADC采样模块的情况下,获得更高的采样精度,极大地提高了基于TDR技术的电缆故障检测方法的精度.     

基于一维卷积神经网络的实时道岔故障诊断

针对道岔故障诊断系统实时性要求高、特征提取严重依赖于先验知识的问题,提出了一种基于一维卷积神经网络（1D-CNN）的道岔实时故障诊断方法。以S700k转辙机的功率曲线为例,建立一维卷积神经网络的结构模型,该模型将特征提取与故障分类融合为一体,优化了网络参数,同时使用正则化Dropout提高模型的泛化能力,采用t-SNE可视化方法,来反映模型提取特征的有效性。仿真实验表明：卷积层和池化层对原始时域信号的自适应特征提取,能较好地捕捉信号空间维度信息,降低模型的计算量,提高模型的抗噪性能,实现了端到端的实时故障诊断,并有效地提高道岔故障实时诊断的准确率。