基于小波分析的转子绕组匝间短路故障诊断方法

分析了汽轮发电机发生转子绕组匝间短路故障时的电磁特性,提出了基于小波分析的故障检测与诊断方法.这种方法是在探测线圈法的基础上,将小波变换用于突变信号的检测,对气隙中感应电动势信号的奇异特征进行提取,根据这些奇异特征,可实现对发电机转子绕组匝间短路故障的检测及故障点的定位.仿真分析表明,该方法适用于故障信号的奇异特征提取,适合于汽轮发电机转子绕组匝间短路故障的在线检测.     

发电机转子匝间短路实时在线监测的应用

通过对发电机转子电磁特性分析。确立了匝间短路故障严重程度和有效磁场损失之间的定性对应关系。在考虑磁场饱和的条件下。建立了转子匝间短路故障诊断数学模型,通过计算有效磁场损失导致的发电机电气参数变化,特别是对无功输出的影响,建立在线识别转子匝间短路故障的判据,并采用现场匝间短路故障记录数据加以验证。     

基于Lyapunov理论的异步电机定子绕组匝间短路故障检测系统设计

为实现对定子绕组匝间短路故障行为的精准识别,确保异步电机的稳定运行状态,设计了基于Lyapunov理论的异步电机定子绕组匝间短路故障检测系统。在DSP外围电量回路中,设置ARM处理器与步进电机驱动模块,采用模数转换单元结构,调节电量互感装置的实时运行状态,实现对异步电机定子绕组匝间短路故障检测系统硬件设计。根据Lyapunov函数定义条件,确定Nussbaum增益参数取值范围,在此基础上,定义Lyapunov算法模型,再通过计算故障预测特征的方法,求解定子绕组的短路故障电压方程与匝间电感参数,对定子绕组匝间短路故障特征进行分析,实现异步电机定子绕组匝间短路故障检测。实验结果表明,所设计系统可以有效控制定子绕组匝间短路故障电流和电压检测结果与标准检测结果之间的差值水平,能够精准识别定子绕组匝间短路故障行为,保障异步电机的稳定运行状态。     

基于Adaboost算法的永磁同步电机匝间短路故障诊断

Adaboost算法作为机器学习算法的一种,它能够通过集成提升算法精度。讨论了Adaboost算法的结构及其特点以及对永磁同步电机匝间短路故障数据的处理以及建模,实现永磁同步电机匝间短路故障诊断预测功能。实验结果显示:利用Adaboost算法对永磁同步电机进行监测,在永磁同步电机发生匝间短路故障前对可能发生匝间短路故障的隐患进行预测,可以在永磁同步电机应用的各个场合进行应用,减少因匝间短路故障给工业生产带来的影响。     

基于混沌神经网络的电机故障诊断

采用全局耦合混沌神经网络模型，每个神经元的动力学行为由反对称立方映像表示。采用Hebb算法设计网络的连接权值矩阵．将记忆模式的回忆过程转化为耦合系统中参数演变的过程，从而实现了混沌神经网络的联想记忆。根据提出的能量击穿规则，扩大了样表的吸引域。在此基础上，应用该混沌神经网络对异步电机转子断条故障进行诊断。结果表明，该种方法有助于故障模式的记忆和重现。     

高压并联电抗器的匝间短路及保护

针对电抗器的匝间短路提出了一种自适应补偿的短路保护方法,由系统零序回路零序源的所在位置来决定故障产生的位置,以提高匝间短路保护动作的灵敏度,同时克服了传统保护在系统无穷大时电抗器内部故障的死区问题,而在外部任何非正常运行工况下不会误动。     

异步电机定子匝间短路故障建模及检测研究

为定子绕组匝间短路故障是典型的异步电机定子故障,及时地检测出故障并采取措施,才能保证电机的安全运行。在两相同步旋转坐标系下对匝间短路故障时的异步电机进行机理建模,并转化为状态方程的形式,基于CRH2型异步电机进行仿真研究,利用短路匝故障系数通过多模型匹配的方法进行故障检测。仿真结果验证了模型的准确性与有效性,并通过多模型匹配检测出异步电机的故障情况。     

异步电机定子匝间短路故障微机检测

文章叙述了三相异步电机绕组匝间短路故障的检测意义 ,探讨了定子绕组匝间短路故障诊断的方案 ,设计出了故障诊断的硬件电路 ,给出了故障诊断的软件设计框图。     

混沌神经网络研究进展与展望

概述了混沌动力学的特性，回顾了近年来混沌神经元主混沌神经网络的研究进展，在此基础上，介绍了两种混沌神经网络模型，分析了其构成和特点，已有研究结果表明，混沌神经网络在联想记忆和组合优化等方面有现有网络更好的性能，最后，指出了混沌神经网络的应用与研究方向。     

混沌神经网络的研究进展

回顾了近年来几种主要混沌神经元模型及混沌神经网络的研究进展，介绍了其特点及主要的应用。已有的研究结果表明，混沌神经网络在求解复杂优化问题和联想记忆等方面比现有网络有着更好的性能。     

基于神经网络的绝缘子故障诊断

绝缘子是高压架空输电线路的关键部件之一,受到导线自重、雷电、风力、冰雪、粉尘污染等因素的影响,易造成绝缘子掉串、断裂、污秽等故障.上述故障容易导致电网跳闸等停电事故,进而造成巨大的经济损失,因此,对输电线路中绝缘子故障诊断具有重要意义.通过对故障绝缘子图像的特征分析,研究了基于神经网络技术实现绝缘子多种故障的自动分析与识别方法.主要根据图片的特征找出特征向量,采用附加动量与自适应速率相结合的改进型BP算法建立神经网络,实验证明改进方法有较高的识别率.     

一种基于模糊神经网络的模拟电路故障诊断方法

提出了一种采用小波分析与遗传算法相结合的模糊神经网络对模拟电路进行故障诊断的新方法。该方法采用基于小波分析的主成分分析方法对网络的训练样本进行预处理,提取优化向量后利用遗传算法对模糊神经网络进行训练。对两个模拟电路的诊断实例表明该方法故障覆盖率高,并能有效诊断出同类方法误诊的故障类型。     

混沌神经网络在分离叠加模式和多对多联想记忆中的应用

混沌是不含外加随机因素的完全确定性的系统表现出来的界于规则和随机之间的内秉随机行为。脑神经系统是由神经细胞组成的网络。类似于人脑思维的人工神经网络与冯·诺依曼计算机相比,在信息处理方面有很大的优越性。混沌和神经网络相互融合的研究是从90年代开始的,其主要的目标是通过分析大脑的混沌现象,建立含有混沌动力学的神经网络模型(即混沌神经网络模型),将混沌的遍历性、对初始值敏感等特点与神经网络的非线性、自适应、并行处理优势相结合,     

基于神经网络的模拟电路故障诊断技术探讨

将神经网络技术与模拟电路故障诊断理论相结合,综合运用神经网络交流故障字典法和神经网络直流故障字典法．提出一种实用的分层神经网络故障字典诊断模型。分别讨论了在模拟电路故障诊断的测前模拟方法和测后模拟方法中应用神经网络进行故障诊断的基本方法和步骤,分析了神经网络在故障字典应用中的分类能力、容错能力以及在测后模拟方法中的神经计算高速度优势,着重突出了实际应用中存在的难点,指出了进一步的研究方向和创新点。     

基于神经网络的大规模模拟电路故障检测系统

设计了一个基于小波和神经网络的信号处理系统,该系统主要针对大规模模拟电路故障检测。针对传统诊断技术的局限性,讨论了利用神经网络方法分级诊断大规模模拟电路软故障的方案,通过小波变换提取故障特征,并利用神经网络的非线性映射特性逼近故障诊断模型。诊断结果表明基于人工神经网络的电路故障诊断方法是行之有效的。此方法具有广阔的应用前景,为大规模模拟电路故障诊断提供了新的理论依据和检测方法,并有希望研制成一套高效的检测设备。     

基于BP神经网络的电子电路故障诊断技术

提出利用BP神经网络进行电子电路故障诊断的基本思想、基本步骤,并通过MATLAB软件编程,对实际问题的解决进行仿真,说明该技术的可行性和有效性,为电子电路的故障诊断提出新思路。     

电子电路模糊神经网络故障诊断研究及仿真

针对模拟电路的故障特点,在确定智能诊断算法的基础上,论文尝试用高级语言编程来仿真实现.论文主要讨论了故障诊断的神经网络方法和将输入模糊化后的模糊神经网络方法,该方法结合了模糊逻辑和神经网络的优缺点,对于电阻元件的软故障,用模糊神经网络得到了比较理想的结果,对于所选的电路,用模糊神经网络可以对电阻增大和减小进行识别,实现了模拟电路软故障的辨识.对于模糊规则分不开的故障,可以运用神经网络进一步细分.论文着重以具体的模拟电路为研究对象编程模拟了诊断方法,结果证明这样的诊断方法是有效的.     

基于神经网络的网络故障诊断

针对传统故障知识库冗余度高和稳定性难以两全的缺陷，提出了RSFBP算法，综合运用神经网络方法和粗糙集理论，实现对学习样本净化处理。实验表明，利用该方法实现的系统在进行网络故障诊断时可以取得较好的效果。     

基于神经网络的模拟电路硬故障诊断

基于直流测试只能测试电路的静态工作状态,对敏感于信号频率的元件不能作完全测试这一情况,提出了交流测试下模拟电路硬故障状态特征的提取方法,使得样本具有非常好的典型性,便于网络诊断速度的加快和准确性的提高,以及通过在典型训练样本的基础上对每一状态增加两个容差范围内随机样点作为附加训练样本点,改善了诊断系统对容差下故障的诊断能力;实验证明,该方法是有实用价值的.