直驱式永磁同步海流机叶轮不平衡故障建模与实验研究

为了研究复杂工况下叶轮不平衡故障对海流机运行的影响,建立从来流流速输入到定子电流输出的机电耦合数学模型。该模型与实验结果相匹配,不仅能呈现湍流下海流机叶轮不平衡故障特性,同时能够减少计算时的复杂运算。为了验证该模型模拟实际海流机运行的可靠性,首先对直驱式永磁同步海流机在不同流速下正常运行模式和叶轮不平衡故障模式进行实验测试。其次,利用海流机实测正常运行数据对数学模型进行修正,在修正模型中添加不平衡故障模块得到叶轮不平衡故障仿真结果,并与实验结果对比。仿真结果得到了与实测值较为相近的结果,验证了该模型的有效性和可靠性。     

基于动态限的周期非稳定工况的实时故障检测模型

系统非稳定工况下,传统的多元统计方法难以对多变量参数进行有效的故障检测。针对这些问题,本文给出了动态限和同峰谷的概念;并证明了周期非稳定工况下的多变量参数的T2统计量也是周期性的;然后提出了一种基于动态限的周期非稳定工况的实时故障检测模型,并对模型的实时性和可行性进行了分析。最后将该模型应用于系统周期非稳定工况下的实时故障检测。     

直驱式永磁同步海流机叶轮不平衡的故障检测

针对波浪、湍流等影响下直驱式永磁同步海流机叶轮不平衡的故障检测,提出一种基于定子电流频率的故障特征分析方法。首先,该方法针对故障特征频率易被基波或噪声淹没的问题,采用总体最小二乘-旋转矢量不变技术(TLS-ESPRIT)估计电流瞬时频率。其次,采用广义似然比检测(GLRT)方法设计不平衡故障检测器,通过分析检测器中变量,获取合适的监测量。最后,提出一种基于伸缩变换的数据标准化方法提取故障特征,解决同一故障在不同流速下故障特征多样的问题。理论分析、海流机仿真与海流样机实验结果验证了所提方法的有效性。该方法基于定子电流,易于实现,对于保证海流机安全高效运行以及减少维护费用等方面具有重要的实际意义。     

基于分形神经网络的电力电子电路故障诊断

针对电力电子电路的故障,分析了故障产生的特征类型,提出了基于分形理论及BP网络故障诊断的方法。以三相整流桥路为例,利用分形理论建立了故障元与分形维数之间的关系,对故障信息做预处理。通过仿真试验提取出用于BP神经网络训练的学习样本,并构建了用于不同类故障的三层BP神经网络结构,继而确定故障点。     

基于RS算法的同步发电机定子绕组内部故障分析和保护

基于RS分析方法利用分形维数对同步发电机定子绕组内部故障的稳态和暂态过程进行了研究,通过对计算机仿真数据和动模实验数据的分形维数分析,得出两个有用的规律:故障信号暂态波形的分形维数是内部故障类型的定量表达,且与其频谱分布相关性很强;故障信号稳态或暂态波形的分形维数反映了故障前后电机状态的变化,可以作为电机故障检测的判据,但在实际应用前这种方法必须同其他方法结合.最后,提出了利用分形维数检测发电机异常状态,并使用发电机端部负序功率的流向区别内外故障的新方法.该方法用来检测故障和输出跳变信号的总时间在50Hz信号的半个周期内,能双重区别内外部故障,为发电机定子绕组内部故障保护和诊断提供了新思路,具有很好的应用潜力.     

基于分形和概率神经网络的水电机组故障诊断

水电机组振动信号属于非线性、非平稳信号，在不同尺度下呈现一定的相似性，是典型的分形信号。本文运用多重分形方法分析机组振动信号，提取信号的广义维数谱特征，并应用人工鱼群算法优化的概率神经网络进行故障诊断。诊断实例表明，多重分形和概率神经网络结合，能够准确辨别故障类型。与BP和RBF网络相比，该方法诊断识别率更高，速度更快，为机组运行维护人员提供更为可靠的参考依据。     

单相永磁同步电机自学习故障检测

针对小功率单相永磁同步电容电机的实际应用场合,研究一种在线自学习故障检测方法。以电容电机为被控对象,建立了其数学模型,推导了归算后对称机的相电压对称分量及相电流正负序分量,并以此计算相电压及相电流;根据BP网络神经建立起自学习网络层,详细介绍了BP网络神经算法实施过程,分析了电机运行过程中的模式切换。最后,对随机抽取的3个电机进行了实验验证,结果表明该方法能够准确地检测出电机故障。     

非理想电网下基于双d-q变换的锁相环设计

针对传统的单同步坐标锁相环(SSRF-SPLL)在非理想电网条件下存在检测相位和幅值不准确的问题,此处提出多陷波器级联的双同步坐标系解耦软件锁相环(DDSRF-SPLL),通过多个陷波器级联环节滤除电网背景谐波,通过双同步坐标系解耦滤波环节提取电网正负序分量。该方案可以快速准确地输出电网电压的相位、频率和正负序分量。仿真和实验结果验证了所提锁相环(PLL)在电压理想工况、不平衡工况、基波非工频工况和电压有背景谐波工况的有效性。     

基于PCA和SVM的模拟电路故障诊断

针对电路故障诊断中存在的样本要求高、推广能力弱、特征提取难等问题,提出了一种基于主成分分析(PCA)与支持向量机(SVM)相结合的模拟电路故障诊断方法.通过对电路输出响应的采样信号进行PCA处理,提取故障特征的主要成分,然后利用多类SVM对各种状态下的故障模式进行分类决策,实现被测电路的故障诊断.实验结果表明:该方法能够实现电路故障的快速检测与故障元件的准确定位,具有速度快、精度高、鲁棒性好的特点.     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。     

基于多重分形谱和支持向量机的风电机组行星齿轮箱故障诊断与研究

风电机组行星齿轮箱振动信号是一种典型的非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。为了克服传统方法的不足,提高故障诊断能力,提出了一种基于多重分形谱和支持向量机相结合的故障检测方法。首先通过多重分形定义求取信号的多重分形谱。然后在多重分形谱中提取八个特征量。最后将特征量作为支持向量机的输入向量,实现了在不同转速情况下对正常信号和四种太阳轮故障信号的分类与识别。实验结果证实了所提方法对行星齿轮箱信号特征进行提取是有效的,在不同转速情况下均提高了故障识别率。     

电动汽车充电系统串联电弧故障智能识别方法

为解决电动汽车充电系统串联电弧故障电弧电流难以准确检测的问题,提出一种基于机器学习的电动汽车充电系统串联电弧故障识别方法。首先,搭建电动汽车充电系统电弧故障实验平台,采集不同工况下故障电弧电流数据;然后,采用离散傅里叶变换进行特征分析,并构建故障电弧特征数据集;最后,基于16层视觉几何群网络训练得到电弧故障检测模型,并利用各工况下测试集对电弧故障检测模型进行测试。研究结果表明该方法识别准确率均可达到98%以上,并拥有良好的抗干扰能力。     

空调系统传感器故障诊断方法研究

在探讨智能大厦中空调机组传感器主要故障的基础上,提出了基于Levenberg-Marquardt(LM)算法的神经网络诊断方案.通过楼宇自动化智能大厦空调实验装置的仿真实验证明:在相同的条件下,基于LM算法的神经网络故障诊断系统在解决传感器故障检测问题上优于传统的BP网络.     

EMD融合多重分形的故障诊断研究

本文建立了以EMD分解为基础,将分解信号再多重分形然后用改进BP神经网络训练的水轮发电机组故障诊断模型。该模型先利用EMD分解对振动信号进行识别,得到故障信号的EMD近似系数,再通过多重分形谱算法提取振动故障的特征向量,最后将该特征向量输入BP神经网络进行分类识别。故障信号频谱特性的提取差异很大,不能反应故障特征。该模型直接通过波形提取信号特征,避免频谱提取的提示还结合了多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路。经过现场试验,该方法能够准确识别故障,结果令人满意。     

基于BP算法的模拟电路故障诊断

文中就BP神经网络的学习算法进行了分析,使用PSPICE软件对电路进行仿真,在此基础上建立了模拟电路的BP神经网络故障字典库。通过查阅字典库实现模拟电路的故障诊断。指出了BP神经网络在模拟电路故障诊断过程中存在的网络泛化性能差的问题,并提出了解决办法。经过仿真实验验证,这种方法用与模拟电路故障诊断相结合能够提高神经网络检测故障的智能性,提高故障诊断的准确性,结果较好,具有一定的应用价值。     

矿用带式输送机减速器故障诊断方法研究

针对煤矿带式输送机减速器故障诊断这一难题,提出了一种基于小波包变换和BP神经网络的带式输送机减速器故障诊断方法,通过采集驱动装置中减速器的振动信号,对信号进行小波包降噪与分解,构造故障样本对BP神经网络进行训练,达到对故障诊断的目的。实验表明该方法能诊断出驱动装置的减速器内部齿轮和轴承表面均匀磨损、局部磨损、点蚀疲劳和剥落等故障,适合于输送机驱动装置实时工况在线检测,具有实际应用价值。     

基于类脑计算的过程控制PID参数在线整定

针对流程工业中静态PID参数不能跟随被控装置的动态过程在线优化的问题,提出基于类脑计算的过程控制PID参数在线整定方法。该方法在先验知识的基础上利用BP神经网络对PID参数循环计算最优解,并通过PNN神经网络对最优解进行贝叶斯决策,从而产生最佳组合的PID参数,使被控装置稳定运行在设定工况下。该方法克服了时变工况下PID参数与被控对象的不相容性,在考虑未知扰动的情况下,实现了参数最优解的输出。最后,通过仿真实验与工程投运证明了该方法对非线性误差函数的最优解最终可收敛,验证了该整定方法的有效性。     

直流系统环网接地故障检测方法

现有直流供电系统的单相接地故障检测方法,如低频信号注入法,容易受到环网的影响,导致错误的检测结果。为克服环网影响并准确检测接地故障,在传统的低频信号注入法的基础上,提出一种基于小波变换和分形理论的检测方法。小波变换用来对环流信号进行处理以划分频带,分形维数和凹凸度函数用以进行定量分析,判断是否存在环网故障。通过MATLAB程序和分形维数估算程序FD3的仿真,证明该方法可以区别正常状态与故障状态下分形维数和凹凸度值的不同。此方法克服了环网对系统的影响,适用于直流系统的接地故障检测。     

光片上网络MRR故障检测方法研究

光片上网络(photonic network-on-chip,PNoC)是下一代片上网络互联的趋势和典范,MRR(microring resonator)是PNoC中的关键器件,然而由于制造缺陷,且MRR对温度波动高度敏感,MRR极易发生故障,如何检测MRR故障是十分重要并亟待解决的问题。针对该问题提出了一种基于故障检测图的MRR故障检测方法,将n端口的光路由器建模为完全加权有向图并且建立MRR故障模型,通过完全加权有向图与故障模拟,确定基于MRR故障模型和故障检测图的故障检测方法。实验结果证明,在单故障和双故障模拟下,该方法均能够获得满意的故障覆盖率。     

基于分段PCA的BP神经网络语音识别

本文提出采用分段PCA的方法提取信号的特征,再通过BP网络完成信号的训练及识别。仿真实验探究了识别网络的输入维数以及隐含层数目对识别率的影响,通过恰当的选择网络的输入维数及隐含层数,实验结果验证了使用分段PCA方法后,语音识别率会有所提高。