用小波分析法分离变风量系统流量传感器故障

阐述了主成分分析法对变风量（VAV）系统流量传感器故障识别失效的原因,给出了小波分析法的特点及其原理,着重描述了如何运用小波分析分离VAV系统中的共线性流量传感器故障。实例研究结果表明：小波分析能够很好地识别共线性的流量传感器故障。     

基于HHT和RBF神经网络的串联故障电弧识别

针对串联故障电弧的识别,提出一种基于HHT(Hilbert-Huang transform,希尔伯特-黄变换)和RBF(radial basis function,径向基函数)神经网络相结合的识别方法。通过对不同负载下正常电流和故障电流信号的EMD分解,得到一系列的IMF分量;提取相关IMF分量的能量熵作为RBF神经网络输入的特征向量,训练RBF神经网络。实验数据分析表明,经过训练的神经网络能够有效地识别串联故障电弧。     

光伏直流串联电弧故障区域识别

摘 要：光伏直流系统中串联电弧无法被保护装置检测并切断,电弧将持续燃烧并产生高温,对光伏系统安全运行造成极大危害。针对此研究Cassie电弧模型,将电极间距变量引入该模型,分析电极间距与电弧稳定燃烧关系。搭建光伏串联电弧仿真模型,采集稳定燃烧时不同位置下的电流数据,通过分析电弧故障特性,确定电弧故障特征向量,搭建概率神经网络故障识别模型,引入BP神经网络作为对照,将串联电弧类别与区域对应,实现串联电弧故障区域识别。结果表明：改进型Cassie电弧模型能够表征不同电极间距下的动态过程与稳定燃烧状态;在相同数据下,概率神经网络模型识别率高于BP神经网络,能够准确定位串联电弧故障区域。     

基于主元分析的冷水机组传感器故障识别

测量数据的真实性和准确性是冷水机组安全运行和优化节能的必要条件。长期使用条件下,传感器故障极易发生而且很难识别。在基于主元分析的传感器故障研究中,以Q统计量为检测指标的常规故障检测、诊断与数据重构在故障源的识别上存在一定误判。采用基于数据重构的枚举甄别方法,分析了传感器故障检测、数据重构及故障识别的算法流程,并以实际工程数据进行验证。结果表明,问题传感器的重构数据的故障识别指标变化最明显,可以准确鉴别故障传感器。     

基于卷积神经网络的桥梁裂缝检测研究

为了实现桥梁裂缝自动化检测,将无人机技术与图像识别技术相结合,利用深度学习框架搭建卷积神经网络模型,识别无人机采集的桥梁外观图片,达到了精确检测桥梁裂缝的效果,具有一定实际应用价值。     

基于累积残差贡献率的传感器故障定位方法

为准确定位结构健康监测系统中的故障传感器,提出了基于累积残差贡献率的传感器故障定位方法。基于主元分析的基本原理,将车辆荷载和地脉动激励下传感器采集的数据分为主元空间和残差空间,采用SPE统计量对故障进行识别。在此基础上,通过对残差贡献值的推导,提出了累积残差贡献率指标,改进了现有的残差贡献图,提高了故障定位的准确率,并将单传感器故障定位拓展到两个故障传感器的同时定位。数值模拟结果表明:主元分析法能准确识别出预设的4类常见传感器故障,累积残差贡献率不但能更好地定位单传感器故障,两传感器同时发生故障时也能准确定位。     

小波包结合神经网络的调压器故障识别技术

介绍小波包结合神经网络的燃气调压器故障识别原理,结合算例对故障识别模型的有效性进行了验证.     

基于小样本数据挖掘的空气处理机组传感器隐形故障诊断方法

针对空气处理机组系统内传感器隐形故障诊断准确率不足及虚警率较高等问题,本文提出了基于集成经验模态分解软阈值去噪法与RBF神经网络(EEMDSTD-RBF)相结合的故障诊断方法,通过集成经验模态分解软阈值去噪法对采集的原始数据进行数据去噪,将去噪后的正常运行数据以及隐形故障数据输入RBF神经网络进行训练,得到EEMDSTD-RBF故障诊断模型,从而提高RBF神经网络对于空气处理机组传感器隐形故障的诊断准确率,同时,实验证明,该方法有效降低了虚警率。在关于空气处理机组六个传感器点位在三种隐形故障等级下的偏置故障的实验中,结果表明,与RBF及EEMDSTD-BP方法相比较,该方法在不同故障状态下,EEMDSTD-RBF的诊断准确率提高了8.7%～64.7%,虚警率降低了12.62%。     

基于深度学习的疑似违法图斑快速检测研究

无人机监测是当前城市违法建设和违法用地问题治理的重要手段,但传统人工识别的方法费时费力,越来越难以满足治理需求.本文针对这一问题,研究了基于深度学习卷积神经网络模型的城市违法建设和违法用地快速检测方法:首先,分析了违法建设和违法用地的主要类型和特点,构建训练样本集;然后,构建卷积神经网络深度学习模型并对模型进行训练;最后,对两期影像分别分类并通过分类结果对比的方式快速筛查违法建设图斑.利用0.1 m分辨率的城市无人机正射影像进行的检测实验结果表明,本文方法对于违法建设问题能够快速有效地检测,对城市违法建设问题治理具有良好的支持作用.     

基于模糊神经网络的热泵空调故障诊断研究

将模糊理论与神经网络相结合,构成了模糊神经网络;针对热泵空调五种常见故障,分析了模糊神经网络在热泵空调故障诊断中的应用。与传统故障诊断方法相比,基于模糊神经网络的故障诊断方法对单一故障具有很好的识别能力,可以提高诊断精度。