多功能保护与告警自动调压装置

本文叙述了作者设计并制作的具有多种告警和保护功能的３８０Ｖ交流自动调压器的控制装置。它可使调压精度提高到工作电压的士１％以内，并在自动调压器输出电压过高或过低时、或出现故障时进行告警。当出现故障或误动作时自动切断调压电动机的电源。     

基于集成小波神经网络的卫星电源系统故障识别

针对卫星电源系统发生致命故障时故障信息不完备的问题,在分析卫星电源系统故障特征数据的基础上,提出了一种基于集成小波神经网络的故障识别方法。该方法首先利用卫星电源系统的决策数据识别出可能的故障组合,然后根据不同故障组合的特点构造并利用相对应的小波神经网络进行故障识别,最后结合某型卫星电源系统进行仿真验证,结果表明了该方法的有效性。     

主元分析优化量子神经网络的变压器故障诊断

针对变压器故障检测速率较慢的问题,通过对基于量子神经网络的变压器故障诊断方法的分析,发现该方法有较高的精度,但是速率较慢,不能达到实时性、快速性的要求。因此提出基于主元分析优化量子神经网络的变压器故障诊断方法。利用主元分析进行故障数据降维,选取主成分累计贡献率高于85%的主元代替原有的7个故障气体含量数据,用降维后的数据作为网络的输入,应用量子优势消除数据相关性,最终对变压器的故障做出判断。利用变压器故障实验数据信息库中的故障数据分别对量子神经网络、主元分析优化量子神经网络进行仿真研究,结果表明在故障识别率不变的情况下,所提方法使得诊断速率得到大幅提升。     

基于概率神经网络的燃气调压器故障诊断模型

燃气调压器故障诊断对城镇燃气管网的安全运行有着十分重要的意义,通过对燃气调压器进行故障诊断为其正常运行提供可靠的依据显得极为重要。鉴于此,针对主流燃气调压器提出一种基于概率神经网络(PNN)的故障诊断模型,主要通过搭建的概率神经网络对同一燃气调压器的4种不同类型状态(关闭压力高、用气高峰压力低、喘振故障和正常状态)进行诊断。仿真结果表明,与目前已经应用于工程实践的燃气调压器故障诊断算法如经验模态分解(EMD)算法相比,该方法在故障诊断率和诊断用时两个指标上有明显优势,应用于工程实际问题具有良好的有效性和实用性。     

应用人工神经网络构建的VPDN用户故障检测系统

讨论一个应用人工神经网络设计的CDMA网络VPDN数据用户故障检测系统。该系统应用反向传播神经网络,利用理想状况下的用户数据训练网络,而用带有随机性的模拟实网数据检测故障判断的准确性。计算机仿真结果表明在噪声的干扰下神经网络基本可以给出具有参考价值的判断。通过实验充分证明利用神经网络完成故障判断的可行性,而设计、分析、检验等多个研究步骤为神经网络的此类应用提供了可供参考的蓝本。     

基于BP神经网络和D-S证据理论的发电机故障综合诊断

本文以发电机故障为研究对象,提出了一种基于BP神经网络和D-S证据理论相结合的信息融合的故障诊断方法,并进行了验证。利用BP神经网络对测量数据进行局部分析诊断,最后利用D-S理论对局部诊断结果进行融合,得到的结果基本满足需求,从而证明了BP神经网络和D-S理论相结合的综合诊断方法的可行性和实效性。     

基于神经网络信息融合技术的模拟电路故障诊断

研究了神经网络信息融合技术在模拟电路故障诊断中的应用。利用BP神经网络建立信息融合中心,对多传感器数据进行融合处理,减少模拟电路故障诊断的不确定性。对标准电路的输出电压与电源电流特征信息,及两者融合信息的故障诊断性能比较,表明神经网络信息融合方法用于模拟电路故障诊断是有效和可行的。     

基于数据挖掘的试验数据利用研究

本文针对设备在试验过程中都会产生并积累大量的原始数据、过程数据及数据类型的复杂性等问题，提出采用数据挖掘的方法对试验数据进行知识和信息的挖掘，给出了试验数据挖掘流程及采用决策树方法进行数据挖掘实例，对试验数据的有效利用起到了较好的支撑作用。     

IBM随需应变信息之道 信息生命周期管理

面对数字化信息的飞速增长，企业必须解决存储管理、业务部门即时访问信息、人工流程和IT流程成本高、操作复杂、易出错等问题，并满足监管方面保存专用数据等的要求。信息生命周期管理（ILM）是以成本与信息不断变化的价值相对应的方法，从创建到最终处置，对信息进行全程管理。 ILM使企业可以根据商务、监管和法律等方面的要求，对数字化及非数字化信息进行分类、搜索、存档、恢复和删除。不同类型的信息在生命周期的不同点具有不同的价值。即使对于给定的数据类型，如电子邮件、从其属于关键任务的必要信息到最后处置，在信息价值方面都存在着很大的差异。[编者按]     

电网调控运行安全风险在线监控系统设计

为了提升安全风险监控的准确性和全面性,设计了基于人工智能的电网调控运行安全风险在线监控系统.对配电线路监测终端内置网络状态监测模块,传输的异常数据信息,实行故障逻辑判断,并利用反向隔离装置,将故障判断结果传送给配电自动化通信前端,经正向隔离装置输送至监测装置外网组件,实现电网调控运行安全风险的监测和控制.实验结果显示:...     

移动终端数据同步协议研究

作为移动因特网的一种重要的应用，数据同步可以使人们能够使用各种各样的无线或者移动终端设备处理和存储各种个人数据，像电话号码，个人记事本，会议信息以及进行移动设备之间的信息交换和数据同步，国际上由SyncML发起组制定的SyncML同步协议已经成为WAP2.0的一个标准应用，在SyncML所支持的有限的几个文本数据类型基础上，本文利用XML语音定义了一种全新的数据类型，它包含了图像，声音等SyncML没有定义的多媒体数据类型，从而大大丰富了SyncML的数据类型。     

基于模糊神经网络的综合导航系统故障检测与诊断技术

文中主要针对综合导航系统对于缓变故障检测困难，以及故障难以定位等问题，提出一种基于状态χ^2。检验和ARTMAP神经网络技术的故障检测与诊断系统。用基于BP神经网络的状态χ^2检验法检测出故障数据后，以故障时刻的SCST值作为两个ARTMAP网络的输入模式，判断故障源、故障幅值和故障发生时间。并以SINS／GPS综合导航系统实际跑车数据为基础进行缓变故障仿真，验证该方法的有效性和检测精度。     

限流电阻柜对移圈调压器空载合闸保护作用的研究

针对某高压系统移圈调压器故障原因进行了探讨,从理论上研究了励磁涌流对调压器的破坏机理;研究了采取在调压器前端串入限流启动电阻的方法来减小励磁涌流对调压器破坏性作用的可行性。经过实测数据对比表明,加装限流电阻后,励磁涌流的幅值和持续时间下降都非常明显,操作过电压也得到抑制,具有较强的实用性。     

基于SNMP数据采集模块的设计和实现

数据采集模块是网络管理的基础,网络管理中的配置管理、故障管理、性能管理、计费管理以及安全管理的数据都来源于该模块。介绍了如何利用SNMP 获取MIB对象信息,同时通过对被管对象类型的分析,提出了一种面向数据类型的数据采集策略。在数据采集模块的设计和实现过程中,结合多线程技术,针对被管对象的类型采用不同的线程进行数据的采集。经实践证明,该设计方法切实可行,且比现行的串行采集方式效率高且数据冗余少。     

基于深度学习的配电网图形节点数据校核技术研究

抽象化的配电网图像模型能够有效监控配电网各个节点的状态,根据监控数据即可对整个电网进行调度。当前的电网图模校准系统工作数据量大且整体性较差,而各地维护工作人员水平又参差不齐,故系统准确性难以保证。针对上述问题,文中使用长短时神经网络对GIS图形节点数据加以训练,并对各个节点的电气特征进行特征量分析,从而得到电网故障节点的特征数据。同时在模型构建部分,采用长短时神经网络对电网节点时序数据进行训练,利用逻辑门对故障状态加以判断,进而快速协调节点送电量并保证电网的有序运行。实验结果表明,文中设计的仿真系统可对节点的故障状态实现准确判断,且算法准确性及计算效率均优于对比算法,证明所提方法能够对配电网系统中的故障进行准确定位,进而完成对配电网图形节点数据的校核。     

基于图卷积网络的轴承故障检测算法

轴承故障占到了感应发动机故障总数的1/3，会造成严重的经济损失甚至生命威胁。准确且及时地检测出轴承故障对于提高生产效率和降低安全风险至关重要。传统检测算法对轴承信号特征的选择较为敏感，而基于机器学习的轴承故障检测算法往往仅考虑了样本的特征信息却忽略了样本之间的联系，从而丢失了许多有用的信息。为解决这个问题，将特征提取迁移到图结构，提出了GE-HITS的轴承故障检测方法。该方法首先将样本以德劳内三角网形式连接成图；然后将图结构与样本的特征信息一同作为图卷积神经网络的输入；最后将训练后的数据通过权威值排序来判断故障点。通过与在真实数据集上运行的8种对比算法的3种指标进行比较，GE-HITS算法都取得了最佳的结果，充分证明了所提算法的有效性。     

基于RS优化的电力变压器故障诊断方法

针对现有的故障诊断技术应用在电力变压器故障诊断中存在的冗余信息过多,诊断结果不准确等问题将粗糙集理论与概率神经网络相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再经概率神经网络进行故障模式分类,可简化故障诊断网络规模,且相比于单一的概率神经网络的诊断方法,能够更精确地诊断出变压器故障类型,其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。     

蚁群约简与神经网络用于航空发动机故障识别

为解决航空发动机转子系统故障模式识别这一复杂问题,将蚁群算法与BP神经网络相结合应用于故障模式识别.文中采用蚁群算法对反映发动机运行工况的故障特征参数进行约简,并结合BP神经网络对故障识别过程做了分析,以航空发动机转子系统的故障识别为对象进行了实验验证.结果表明,利用蚁群算法对航空发动机转子系统故障特征参数进行约简,剔除了输入冗余信息,降低了网络数据维数,提高了运算效率和故障识别的正确性.     

基于小波变换与BP神经网络的模拟电路故障诊断

利用小波与改进算法的BP神经网络相结合的方法进行模拟电路故障诊断,该方法使用小波分解作为预处理工具,对信号进行消噪和小波分解,然后提取特征信息,进行归一化处理,并作为BP神经网络的输入样本进行模式识别。该方法减少了神经网络的输入维数,提高了收敛速度和辨识故障的能力。仿真结果表明,该方法能准确快速地定位故障,且可有效地进行故障识别、改善神经网络结构以及提高故障诊断精度与速度。     

基于多分辨分析和WNN的模拟电路故障诊断

提出了一种基于多分辨分析和小波神经网络(WNN)相结合的模拟电路故障诊断方法。该方法利用了多分辨分析优异的时频特性,提取采集数据中的故障特征参数值,结合小波神经网络强大的非线性分类、学习、泛化能力及精度高、收敛速度快等特性,将得到的输入数据进行归一化处理作为小波神经网络的输入对其进行训练,并将训练的结果应用于滤波器电路故障诊断。结果表明,该方法实现了对故障模块的定位,是一种有效的模拟电路故障诊断方法。