基于kNN优化算法的密封电子设备多余物定位技术

在密封电子设备的生产制造过程中,对多余物进行检测至关重要.微粒碰撞噪声检测法是我国军标规定的用于航天电子元器件多余物检测的方法.针对密封电子设备体积大和检测出的多余物位置难以确定的问题,使用参数优化的k邻近(kNN)算法对多余物进行定位.通过搭建定位实验系统和设计试件模型,得到多通道的多余物信号,提取性能优良的时域和频...     

多传感器数据融合的航天装置多余物检测技术

航天电子装置内部结构复杂,多余物检测信号传播过程中存在许多未知因素的影响,导致数据受到严重干扰。 针对多 余物信号传输途中抗干扰性不强,易于干扰信号混叠无法准确识别等问题,采用基于多传感器数据融合的航天电子装置多余物 检测方式。 使用多传感器对同一信号进行脉冲提取,通过脉冲进行相关性处理后确定相关函数的权值,得到的支持度矩阵及权 值矩阵,然后将数据融合后的脉冲组结果输出。 实验结果表明,采用多传感器数据融合方法能有效抑制信号干扰,显著提高了 多余物检测精度。     

某型导弹自驾仪的故障诊断研究

模拟电路的故障诊断存在着信号非线性、样本初期获取困难等问题,支持向量机技术具有小样本、非线性、全局最优和建立的模型能更好泛化等诸多优点,为解决这些问题提供了一条有效途径。以某型导弹自驾仪中电路为典型例子,在C-SVM基础上构建模糊支持向量机,并采用粒子群算法与遗传算法进行向量机的参数优化。首先采用小波包分解提取故障信息的特征向量并归一化,然后将训练集送入改进后的向量机中完成训练,最后将测试集送入训练好的向量机中完成不同故障模式的识别,故障检测率达到93.3333%。结果表明在样本量较少的情况下,改进后的支持向量机可以很好地完成故障诊断任务。     

脉冲信号在导引头测试中的检测方法研究

在现代雷达导引头中,种类繁多的脉冲信号是反映其工作性能的重要参数,成为导引头测试技术研究中的重点和难点。根据某型导引头测试需求,对脉冲计数和脉冲采集等2种方式在本测试系统中的应用进行了研究,主要包括信号调理电路、触发电路的设计,以及对应PCI板卡的上位机程序设计。经该型导引头的实际应用验证,给出的方法能够满足不同脉冲的测试需要。     

参数优化决策树算法的密封继电器 多余物信号识别技术

在航天密封继电器的生产过程中,多余物检测是一个必不可少的过程。微粒碰撞噪声检测(PIND)是我国军标规定的航天电子元器件多余物检测方法。针对传统检测方法中多余物信号和组件信号的误判问题,使用参数优化的决策树算法对检测信号进行分类。通过对比组件信号和多余物信号时域频域波形,提取出最具有代表性的特征作为决策树的分裂属性。采用网格搜索法寻找决策树最优分裂准则和分裂深度,然后采用参数优化的决策树建立分类模型。实验结果表明,采用参数优化的决策树算法进行多余物检测信号分类有效提高了分类准确率、G-means值和F-measure值等各项分类指标值。     

基于差分进化优化的支持向量机燃料电池故障诊断

质子交换膜燃料电池是一种多耦合非线性的复杂系统,电堆内部的水淹和膜干故障是其运行过程中最常见的故障.基于差分进化算法优化的支持向量机方法,可以用于燃料电池故障诊断,该方法在传统的支持向量机模型上增加了主成分提取和差分进化算法寻找最优参数,使模型得到更好的训练效果.采用电堆20片单电池电压为数据集进行相关的故障验证分析,结果表明:通过差分进化算法优化的支持向量机在燃料电池故障诊断中有着较高的准确度,具有一定的工程应用价值.     

基于GA-SVM的多总线自动化测试系统故障诊断优化研究

基于多总线自动化测试系统的故障诊断则是采用了由GPIB、IEEE1394、VXI三总线构建的自动测试系统,在TPS软件资源下对电路板进行功能测试与故障诊断,使用故障树分析法详细分析了测试诊断TPS的设计方案和具体的测试诊断过程。自动测试系统方便了电路板上不同信号的采集,能有效的检测出电路板中的故障并将故障定位到具体的电路元器件上。同时自动测试系统可灵活的设置激励信号,方便了电路软、硬故障的测试。以比较器驱动开关电路为例,在该测试系统资源平台上增加了采用基于遗传算法的支持向量机分类器,融合了遗传算法的支持向量机,优化了算法中的参数,经对比实验表明,GA-SVM算法比LIBSVM算法提高了5%的故障诊断正确率,能达到98%以上。     

星载电子设备多余物自动检测系统

存在活动多余物是影响星载电子设备稳定性的主要因素。应用微粒碰撞噪声检测方法研制一种星载电子设备多余物自动检测系统,该系统采用风冷电磁式振动系统为多余物检测提供力学条件,通过数据采集卡把被测多余物信号采集至上位机处理,上位机采用脉冲提取、聚类分析、特征提取、神经网络等算法自动给出是否存在组件、是否存在多余物及其材质判别结果。所研制的星载电子设备多余物自动检测系统对多余物微粒及活动组件识别的准确度可达91%,对多余物材质识别的准确度可达90%。     

基于帝国殖民竞争算法优化支持向量机的电力变压器故障诊断模型

提出了一种基于帝国殖民竞争算法优化支持向量机的变压器故障诊断模型。对支持向量机进行了非线性和多分类变换,构建了k-折平均分类准确率目标函数,建立了帝国殖民竞争算法优化支持向量机的非线性多分类模型,结合交叉验证原理对变压器进行了故障诊断。故障诊断结果表明,所提方法的平均测试准确率优于标准支持向量机和粒子群优化算法优化支持向量机(准确率分别为77.08%、57.97%和61.96%),验证了所提模型的有效性。采用UCI基准数据集对所提模型进行分类测试,结果表明所提模型在解决分类问题上具有较好的泛化性。     

利用粒子群优化最小二乘支持向量机诊断H桥功率模块IGBT故障

为了提高H桥功率模块中IGBT故障诊断的准确性,提出将粒子群优化最小二乘支持向量机用于H桥功率模块中IGBT故障诊断。分析了功率模块中可供采集的信号,将H桥直流侧电容电压作为故障的原始信号。通过小波多分辨率提取故障特征。采用粒子群算法优化最小二乘支持向量机中的核函数和正则化参数。通过仿真实验表明,粒子群优化最小二乘支持向量与默认参数最小二乘支持向量机、粒子群优化支持向量机和遗传算法优化最小二乘支持向量机相比,诊断准确率高和诊断时间短等优点,具有很好的实用性。     

基于多分辨率奇异谱熵和支持向量机的断路器机械故障诊断方法研究

根据高压断路器机械振动信号的特点,提出一种基于多分辨率奇异谱熵的信号特征提取方法,并以此特征向量作为支持向量机的输入对断路器机械状态进行识别。多分辨率奇异谱熵是在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合的一种信息处理方法,用信号的奇异谱熵作为特征向量更能体现断路器在不同机械状态下的不同特征。利用交叉检验和粒子群优化方法来对支持向量机模型中的参数进行寻优。通过对断路器实际振动信号分析表明,该方法能对断路器故障进行准确诊断分类。     

基于 KPCA 和 SVM 的直升机旋翼桨叶损伤源定位

直升机旋翼桨叶在飞行过程中极易发生疲劳损伤,为了解决桨叶损伤源定位问题,构建了桨叶损伤监测及定位系统。通过核主成分分析(KPCA)对损伤源的声发射信号进行特征提取,结合支持向量机(SVM)及其回归功能对旋翼桨叶模型损伤源进行定位。使用特征提取后的参数区域损伤定位精度达到100%,回归分析平均误差率4.06%,均优于使用原始数据进行定位,因此该方法能够有效实现直升机旋翼桨叶损伤源定位,并且减少了输入数据的维数,降低了计算量。     

基于小波包和AFSA-SVM的电机故障诊断

针对电机滚动轴承故障诊断准确率问题,提出基于小波包分析结合人工鱼(AFSA)优化支持向量机(SVM)的电机故障诊断方法.利用小波包多分辨率分析法对电机的震动信号进行多层分解及重构,得到不同频段的信号时频图;然后采用AFSA算法对支持向量机中的参数惩罚参数(C)和核参数(σ)进行寻优选择,并最终建立AFSA-SVM故障诊...     

基于小波包能量熵和DBN的MMC-HVDC输电线路单极接地故障定位方法

可靠精确的故障定位技术对MMC-HVDC输电系统的稳定运行至关重要。针对高阻接地故障的定位精度低的问题,提出了一种基于小波包能量熵(wavelet packet energy entropy,WPEE)和深度信念网络(deep belief network,DBN)的输电线路单极接地故障定位方法。通过对不同条件下故障波形中所包含的故障信息进行分析,运用小波包能量熵提取双端故障电压波形中深层故障特征并构造新的特征矩阵。基于新的特征矩阵搭建DBN模型并通过粒子群寻优(particle swarm optimization,PSO)算法对其模型参数进行寻优,最终利用DBN回归机制实现精确的故障定位。利用电磁暂态仿真软件PSCAD/EMTDC搭建了±250 kV双端MMC-HVDC系统模型并在线路上进行不同位置、不同过渡电阻的单极接地故障模拟仿真。为了对比测试模型的定位精度性能,与基于支持向量机(support vector machine,SVM)的故障定位方法相比较。实验结果表明,该方法在20 kHz的低采样频率下可以精准可靠地定位过渡电阻高达4000Ω以内的直流线路单极接地故障。     

基于时变滤波经验模态分解和SSA-LSSVM的变压器内部机械故障诊断方法

为了准确有效地识别变压器内部的潜伏性机械故障,提出了一种基于时变滤波经验模态分解(TVFEMD)和麻雀搜索算法优化最小二乘支持向量机(SSA-LSSVM)的变压器内部机械故障诊断方法。首先,对铁心处于不同松动状态的变压器进行振动信号采集;其次,利用时变滤波改进的经验模态分解（EMD）对所得振动信号进行分解,以获取多个本征模态函数(IMF)即模态分量;然后,采用相关系数法计算IMF分量与原始振动信号的相关性,并计算相关性最大的IMF分量的样本熵,以此构建特征向量集;最后,以诊断准确率最高为目标函数,利用SSA对LSSVM的正则化参数和核函数参数进行优化,搭建SSA-LSSVM诊断模型,并利用诊断模型对特征向量集进行诊断识别,实现变压器铁心内部潜伏性机械故障的诊断。试验结果表明,所提方法能够有效识别变压器内部潜伏性机械故障,识别准确率达到了98%以上,比对比算法的识别准确率高出5%以上,达到了高识别准确率的诊断效果。     

基于波形比较的架空配电线路故障离线定位自动计算方法

现有的架空配电线路在线故障定位方法存在只能确定故障区段的不足,离线故障定位方法则存在故障定位灵敏度低与精度差的问题.针对上述问题,建立高压脉冲冲击线路响应模型,通过分析故障线路电流分布特征与波形差异,提出了一种基于波形比较的架空配电线路故障离线定位自动计算方法.该方法使用高压脉冲信号发生器向故障线路注入直流脉冲信号,以相关系数作为波形相似程度的判别依据,通过分析不同测量点电流波形与基准电流波形的相似性差异,实现了故障定位的自动计算,解决了故障尤其是经高阻接地故障定位灵敏度低的问题.分析了不同磁场测量方式与基准信号参考点的选取对故障定位精度的影响,完善了故障离线定位体系,提高了定位精度.仿真以及实际试验表明,该方法可有效实现故障点的精确定位.     

能谱熵向量法及粒子群优化的RBF神经网络在高压断路器机械故障诊断中的应用

高压真空断路器是电力系统开关设备中极其重要的一种高压电器,而高压断路器故障中80%是由于机械特性不良造成,为此通过小波包变换对高压断路器机械振动信号进行了分析,以信号的能谱熵作为特征输入向量,建立了粒子群优化(PSO)径向基函数(RBF)神经网络的高压断路器故障识别系统模型,最后对实际高压断路器振动信号进行获取分析并得到结果。实验结果表明,高压断路器正常信号能谱熵向量各元素分布比较均匀;而故障信号所得能谱熵向量各元素变化较大且有一定变化规律;粒子群优化后的RBF网络模型在正确率、精度等方面高于传统神经网络模型。实验结果表明该方法用于高压断路器的故障诊断是可行的,并且可以为断路器的故障诊断提供更好的理论依据。     

航天继电器中多余物自动测试系统的研究

微粒碰撞噪声检测是一种被用来识别密封元器件中可移动多余物的无损检测手段。这些多余物会引起元器件短路或随机短路失效。由于ＰＩＮＤ测试局限于人工判别,所以其结论具有主观性,判别的精度亦低于５０％。本文研究了航天继电器中多余物的自动检测系统,提出自动检测系统的构成框图,并就框图中各个组成部分的实现进行了探讨,着重研究了继电器信号的特征提取问题。     

基于改进EEMD的高压断路器振声联合故障诊断方法

高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源分离处理,其次利用改进集合经验模式分解(EEMD)提取振动信号和声波信号的特征向量。振声数据级融合诊断方法首先构建振声联合图像,其次利用改进的BEEMD提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型(SVM)进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。