基于多故障曲线辨识的负荷模型参数优化策略

建立高准确度负荷模型是电力系统动态数字仿真的基础,但基于总体测辨法的负荷模型参数辨识仅研究辨识结果对辨识曲线的准确度而未探索其对其他故障场景的适用性。为提高负荷模型准确度和多故障场景适用性,提出一种基于多故障曲线辨识的负荷参数优化策略。首先,分析电力系统故障表现,选取三种典型故障,将其曲线作为待辨识曲线并辨识出负荷参数;其次,引入了整体误差、第一摆幅值、振荡频率、阻尼比等仿真准确度评估指标,通过熵权法确定各指标的权重,进而对负荷模型进行参数综合得到优化负荷参数;最后,通过仿真算例,对比该策略和传统单故障曲线辨识方法的参数拟合误差和对其他故障的适用性。结果验证了所提策略的有效性和多故障场景适用性。     

实测类噪声数据辨识所得负荷模型参数的时变性和分布性研究

基于类噪声数据的负荷模型参数辨识方法克服了传统总体测辨法对故障扰动数据的依赖,为跟踪电力负荷的时变性和分布性提供了科学的思路和有效的解决方案,在此基础上,针对电力系统实际量测数据,开展负荷模型参数辨识,进而对辨识参数的时变性和分布性进行分析具有重要的意义.首先,不同站点在不同时间辨识所得模型参数存在一定的差异,由此体现...     

考虑电压相位的实用负荷模型参数辨识

目前电力系统感应电机负荷模型一般采用实用模型,参数辨识时仅采用电压有效值,而忽略电压相位和交轴电压分量.分析忽略交轴电压分量所需的条件,发现该条件通常难以满足.并提出考虑电压相位和交直轴电压分量的负荷建模实用模型,用于电力负荷参数辨识.不同故障下的算例结果表明,该实用模型比仅考虑电压有效值的实用模型,能更精确地辨识出负荷模型参数.     

模拟集成电路故障诊断与参数辨识的代数方法

为实现模拟电路参数辨识和降低故障诊断成本,提出一种基于矩阵扰动理论的模拟电路故障诊断和参数辨识方法。该方法不同于基于数字信号处理（DSP）与人工智能的方法,而是从代数观点出发,以被测电路响应矩阵的本征值随被诊断器件参数的变化而变化的对应关系为基础,建立故障模型。该模型将故障检测,故障定位和参数辨识一体化处理,具有易于工程实施的优点。实验结果表明该方法的计算时间开销小,可降低测试成本,故障定位和故障参数辨识精度高,实验结果中的最大辨识误差为2.35%。     

FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.     

用傅里叶分析法诊断电力电子电路的故障

本文提出了一种电力电子电路故障的在线诊断方法。由于电力电子电路中包含故障信息的关键点信号通常具有周期性，故可采用傅里叶变换将时域信息变换到频域中分析。采用本文的频域故障特征抽选方法，能够有效地实现故障诊断。     

基于鲁棒跟踪控制的飞控系统自适应重构技术研究

应用多模型自适应控制技术可以有效地抑制作动器故障引起的参数大范围跳变。基于多模型自适应控制思想,提出了一种基于鲁棒跟踪控制的飞控系统作动器故障重构设计方法。首先建立作动器故障参数模型;然后根据故障的随机性,设计一系列并行的辨识模型,每个模型对应一种故障,同时对应于每个辨识模型建立一个控制器;最后根据飞行品质的要求,设计鲁棒跟踪控制器,由于控制器采用了积分项,可很好地抑制扰动。用该方法对某型飞机纵向控制系统进行仿真,结果表明在升降舵严重受损的情况下,飞机仍能保持良好的性能。     

电子电路中的故障处理方法分析

通过相关研究可以发现,引发电子电路故障的原因有很多种,要想彻底解决和改善电子电路的故障问题,必须要从故障的引发原因开始着手,对故障原因进行深入的分析和研究,然后根据得出的结果,采取针对性的方法和措施来处理这些故障和问题,只有这样才能有效避免电子电路发展故障和问题,所以相关人员必须要给予高度重视.对此本文重点介绍了电子电...     

基于回归算法的三相异步电动机电参数辨识模型研究

针对电能表测量三相异步电动机电参数成本高、安装复杂的问题,本文研究了一种基于回归算法的三相异步电动机电参数辨识模型。利用实际测量的三相异步电动机相关电参数数据,分析一元回归模型和二元回归模型分别用于电动机电参数辨识的特点,确定了以电动机线电流为自变量,有功功率为因变量的一元回归建模方式,在此基础上,分别采用一元线性回归模型和一元四次非线性回归模型,对三相异步电动机电参数进行辨识。研究结果表明,两种模型都能较准确的辨识电动机电参数,但一元四次非线性回归模型在点辨识精度和点辨识最大误差率方面具有更好的辨识性能,现场试验验证了其可行性和有效性。该研究为企业电动机电参数测量提供了新方法,具有较高的工程应用价值。     

种模拟电路参数型故障诊断新方法

模拟电路参数型故障诊断一直是电路与系统无法回避的难题。该文基于被测电路主输出电压信号的时间序列值,建立了一种基于本征值和相位差的模拟电路参数型故障诊断模型。该模型利用故障电路的电压输出时间序列值获取电路的故障相位偏移信息,同时,该模型把电压时间序列变换成一个方阵,并求取该方阵的最大本征值。将故障相位偏移信息和故障最大本征值与通过前期仿真获得的每种器件相对应的无故障最大相位偏移和无故障最大本征值的变化趋势进行比较,实现故障定位和参数辨识。实测实验结果表明:该方法具有定位准确、计算效率高,所需测试点少、参数辨识精度高,易于工程实施等优点。     

变压器缺陷管理系统中不确定性数据的处理

针对变压器缺陷管理中缺陷定级时专家定级数据的不确定性,利用不确定数据top—k查询的相关理论,建立了变压器缺陷定级不确定性数据模型——可能世界模型,并确定专家定级数据排序,排在首位的定级结果作为该缺陷的定级结果．然后根据定级结果安排消缺任务．     

采用数据流图的故障模型生成算法及其应用

为有效地解决系统级故障注入试验建模困难问题,提出语言级生成数据流图,并以此构造动态故障树的故障模型建立方法.通过对故障过程数据流分析,找出数据依赖关系并构造了故障模型生成算法.与其他方法比较,本算法具有动态性,提高了故障覆盖率,减少了系统开销,使故障注入试验更易实现.     

基于在线学习神经网络的状态依赖型故障预测

提出外部激励故障和内部激励故障的概念,研究非线性系统状态依赖型故障的预测问题.将非线性系统的故障模型描述成外部激励与内部激励相耦合的一般非线性函数形式,函数的结构未知.通过反向传播(BP)神经网络在线学习故障函数模型实时逼近故障模型,提出基于在线神经网络的状态依赖型故障的预测算法.该算法能够实时地检测故障,对系统状态和故障进行迭代估计和预测.利用系统状态的预测值实时预测了系统的失效时间.故障模型的一般化拓展充分体现了系统状态对故障的影响,增强了算法的实用性.仿真结果验证了该方法的有效性.     

近场强地震动预测中浅源地震的Asperity模型特征

选择了29个浅源地震的滑动分布,用来研究近场强地震动预测中浅源地震的凹凸体模型特征．将凹凸体分成三种类型研究：所有凹凸体,最大凹凸体和其它凹凸体．根据凹凸体的数量将凹凸体模型分为三种模型：所有凹凸体,单凹凸体和多凹凸体．每种模型中,根据断层类型将断层分成三类：所有断层,倾滑断层和走滑断层．用最小二乘法建立了三种凹凸体模型中不同断层类型的凹凸体各参数与矩震级和相应断层参数之间的关系式．同时也建立了不同断层类型的地震破裂初始点位置参数与矩震级之间的关系式．系统地描述了近场强地震动预测中浅源地震的凹凸体模型特征．     

基于模糊神经网络的CDMA网络故障诊断方法

为解决常规故障诊断算法难以对CDMA网络故障建模的难题，提出了基于模糊神经网络的CDMA网络故障诊断模型. 该模型的输出层和输入层神经元的个数分别由CDMA网络故障类型和故障诊断所需要的输入量决定. 然后再利用故障诊断专家知识库中的故障诊断样本，对诊断模型进行训练，确定网络的连接权值和模糊隶属度函数. 仿真实验结果验证了该故障诊断模型的有效性.     

运载火箭姿控发动机故障诊断方法研究

针对排除运载火箭测试发射过程中故障的特点,研究了基于故障树模型的故障诊断理论与诊断技术,建立了姿态控制发动机故障树和故障模式,利用其对某型火箭的姿态控制发动机系统出现的故障进行了模拟与诊断.诊断故障发生的趋势与火箭飞行试验故障分析结果一致.     

应用经验模态分解下的AR模型提取旋转机械故障特征

将时间序列的AR模型引入到旋转机械故障诊断中,采用了经验模态分解与AR模型相结合的方法提取旋转机械的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析,提取故障特征,分析故障原因。仿真和试验结果表明,此法能够有效地提取故障特征参数,为旋转机械的故障诊断提供了方法保障。     

基于克隆选择原理的故障诊断技术及其应用

借鉴生物免疫系统的克隆选择原理,结合故障诊断的实际应用,研究了既具有故障诊断能力又具有对故障样本的连续学习功能的自适应故障诊断方法．提出了基于克隆选择原理的故障诊断模型,并通过C618型车床齿轮箱的故障诊断实验验证了该方法和模型的有效性．     

全光网中采用可信度模型的故障定位技术

宽带业务的飞速发展推动着光网络向着超大容量、超高速率方向演进．与此同时,在透明节点增加、光电再生设备减少的全光网络中,多故障定位的非完全多项式属性、网络拓扑的复杂性以及承载业务的多样性使得故障定位变得尤为困难．如何根据收集的告警信息,确切地找出故障的准确数目及其位置成为网络管理人员的难题．针对全光网中故障与告警的关系展开研究,在多故障定位的相关方向上完成了采用可信度推理方法对故障与告警之间的复杂映射关系进行梳理,建立了一种多故障条件下全光网故障定位模型,并以此为基础,提出了基于模糊隶属度以及联合可信度的两种启发式故障定位算法．通过不同的网络拓扑以及与其他的算法对比,对这两种算法以及可信度模型的正确性进行了验证．仿真结果表明,该模型能够很好地处理多故障定位问题的不确定性,且定位性能优越,具有很强的实际意义．     

基于MAS的航天器故障诊断系统模型

为了实现航天器故障处理的实时性、智能性,本文构建了基于MAS(Multi-Agent System)的航天器故障诊断系统模型。该结构通过分层实现了系统级诊断、缩小计算空间及加快隔离故障源。诊断智能体根据本系统的领域知识特点,建立自己的智能诊断模型,能够自主处理紧急故障;多个智能体能够协同并行地工作,提高了诊断速度。本文还构建了基于HLA(high level architecture)的故障诊断系统的仿真平台,通过仿真证明了该航天器故障诊断系统模型的优越性,也验证了仿真平台的可行性。