电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

电力系统故障论断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向ＢＰ网络作为故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神经     

基于并联CNN-LSTM的弱受端直流输电系统故障诊断

现有的故障诊断手段面对复杂电网时,难以精确提取故障特征,急需适应性强、识别率高的故障诊断方法。鉴于此,提出一种基于压缩感知与并联卷积神经网络(CNN)和长短期记忆网络(LSTM)结合的电网故障诊断方法。搭建永富直流输电系统模型采集原始故障数据,原始故障数据应用压缩感知原理进行压缩采样,获得压缩域故障信号,以提高网络的计算效率。然后搭建了麻雀搜索算法（SSA）优化的并联CNN-LSTM深度学习模型。通过SSA确定并联CNN-LSTM的网络结构及参数,利用并联CNN-LSTM深度学习模型直接在故障的压缩域挖掘故障波形特征和时序特征,并对故障进行识别。仿真结果表明该模型相较于传统方法具有更高的故障诊断精度。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态，实现对电机故障模式的自动识别和准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser sha-fer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，能够满足诊断的实时性要求。     

火电厂电气设备状态诊断中谐波诊断技术应用研究

介绍一种适用于火电厂电气设备状态诊断的谐波诊断技术,主要包括电气设备状态信号采集和预处理、谐 波故障诊断系统设计两部分内容.其中,电气设备状态信号采集和预处理主要采用改进小波预制信号去噪方法,可有 效提高信号采集和预处理效果;谐波故障诊断系统则基于电气设备状态信号采集和预处理,合理介绍系统基本组成结 构,并重点说明高次谐波诊断数据样本、劣化诊断判定算法、设备异常及劣化判定标准三部分系统内容.为检验谐波 诊断系统在火电厂电气设备状态诊断中的应用成效,将该系统应用于工程实践,最终确认该系统具有较高的诊断精 准性.     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态,实现对电机故障模式的自动识别和准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断,获得彼此独立的证据,再运用DS(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,能够满足诊断的实时性要求。     

智能故障诊断技术的发展及应用

介绍了国内外机械设备智能故障诊断技术的发展状况,并分别对基于模糊理论、基于实例、基于专家系统、基于神经网络以及神经网络与专家系统相结合等多种智能故障诊断系统进行了分析和评述。     

水电机组状态检修实现策略与框架设计

给出了水电机组状态检修系统的逻辑结构;针对水电机组故障多样性和复杂性，重点提出了一种由基于数据融合的模糊神经网络技术和专家系统的在线诊断子系统及基于模型的离线诊断子系统组成的故障诊断系统，利用专家系统的逻辑推理能力以及人工神经网络的学习和容错能力，建立转子非线性动力模型仿真来离线分析那些没有办法定量提取或解释的征兆，对机组进行故障诊断;同时给出了实时数据的一种智能化存储策略，很好地解决了在线监测所产生的海量数据。     

基于神经网络的电站锅炉故障诊断研究

应用模糊模块化神经网络和递推合成BP网络，并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术对锅炉故障诊断与预测问题进行了研究。文章所建的用于锅炉故障诊断的模糊模块化神经网络模型因进行了样本聚类．实验结果表明：其网络训练的速度和精度明显提高，同时有效地解决了BP网络应用于复杂的锅炉系统故障诊断时容易陷入局部最小点的问题。且该网络采用多输出的结构，不仅能对故障是否发生进行诊断，而且还能判断故障发生的严重程度。     

基于CNN-LSTM故障诊断的自动扶梯监测软件设计

自动扶梯的数量在我国呈逐年递增的趋势。定期检测、监督抽查等常见方法通常难以检验自动扶梯内部的潜在故障。提出了一种改进的CNN-LSTM神经网络故障诊断方法，并据此采用LabVIEW设计了自动扶梯监测与故障诊断软件。基于CNN-LSTM神经网络算法，提出将数据浅层特征与深层特征进行融合的改进方法，以提高故障诊断准确率。利用凯斯西储大学数据对提出的故障诊断方法进行实验。结果表明，该故障诊断方法快速有效，针对变工况的故障诊断准确率达到99.4%。基于此，采用LabVIEW设计了自动扶梯监测与故障诊断软件。在自动扶梯关键部件安装多个振动传感器，利用监测软件进行数据采集、数据显示和数据存储。在积累大量工况数据后，可实现典型故障的诊断。     

神经网络在故障诊断中的应用

从神经网络充当广义模式匹配器进行故障诊断以及神经网络与基于模型故障诊断的融和两方面介绍了神经网络在故障诊断中的研究及应用现状。此外,还介绍了神经网络与模糊技术相结合以及神经网络与专家系统相结合而成的智能故障诊断系统。最后,探讨了神经网络故障诊断的新近发展趋势。     

大型水轮机组诊断的社会网络方法研究

本文针对大型水轮机组状态监测与故障诊断系统,对采用社会网络进行故障模式识别的方法进行研究,为克服单一神经网络模型诊断方法的发性,对现有的网络模型进行了分析和比较,提出了并探讨了多种神经网络技术应用于故障诊断的诊断方法,该方法综合了多层感知模型和自适应谐振网络各自的优势,建立了适用于水轮机组故障诊断的合网络模型,并已有效地应用于水轮机组状态监测与故障诊断系统。     

配电网线路故障的基于模型诊断方法

现有配电网故障诊断系统大多是基于经验的专家系统,但专家系统难以诊断经验之外的故障,而且系统的移植和维护也非常困难。文中将模型诊断(MBD)方法应用于配电网故障诊断。介绍MBD理论的基本概念,给出了一个应用MBD理论的配电网线路故障诊断方案。以一个实际配电网为例,对故障诊断系统进行了建模和实验验证,结果表明该应用方案可行、有效。     

基于神经网络与专家系统的汽轮发电机组故障诊断系统

根据模糊神经网络和专家系统的特点。建立了模糊神经网络与专家系统相结合的汽轮发电机组故障诊断系统。系统采用模糊隶属度函数表示难以准确描述的领域专家知识;推理过程中,采用神经网络进行前向推理,并参考神经网络的输出。用专家系统进行反向推理,结合了神经网络求解迅速和专家系统解释清晰的优点,并提高了系统诊断能力;最后,采用信息融合方法处理冗余的诊断结果,提高了系统的综合诊断性能。     

BP神经网络在异步电机转子故障诊断中的应用

为了解决工农业生产中最常用的异步电动机故障频发且复杂多样,难以维修诊断的问题,通过对异步电动机常见的机械故障和故障机理的分析,探究了信号处理技术及智能诊断技术,旨将BP神经网络技术应用到电机的故障诊断中。系统对采集的电机振动信号进行分析处理后,以BP神经网络作为故障诊断分类器,利用模式识别来对电动机进行故障诊断,以LabVIEW软件完成BP神经网络程序的编写,验证实验结果显示该故障诊断方法简单可靠,且适合现场实际开发。     

导弹测发控系统智能故障诊断技术

为了实现对导弹测发控系统的故障诊断,在深入分析导弹测发控系统故障特点和机理的基础上,研究了当前几种常用的故障诊断技术,根据神经网络、专家系统和模糊逻辑的各自优点和特点,以互为补充为原则,给出了一种基于模糊神经网络的故障诊断专家系统的构建方法.通过将传统的专家系统技术与模糊神经网络技术相融合,构造出某型导弹测发控系统智能故障诊断系统,验证了方案的可行性,为类似系统的进一步实现提供了有益的借鉴.     

基于改进秃鹰算法优化极限学习机的谐波发射水平估计

针对目前电力系统谐波发射水平难以直接测量的问题,提出了一种基于改进秃鹰算法(improved bald eagle search, IBES)优化极限学习机(extreme learning machine, ELM)的谐波发射水平估计方法。首先,在传统秃鹰搜索算法中引入Tent混沌映射和柯西变异算子,利用IBES算法对ELM模型的输入权重和阈值进行寻优。其次,输入公共连接点(point of common coupling, PCC)处谐波电压和谐波电流,代入IBES-ELM模型,估计用户侧和系统侧谐波发射水平。最后进行仿真和工程实例分析,并与其他算法的估计结果进行对比。结果表明,所提IBES-ELM方法估计精度优于长短期记忆网络(long short-term memory, LSTM)、卷积神经网络(convolution neural network, CNN)、反向传播神经网络(back propagation neural network, BP)和CNN-LSTM算法模型,验证了该方法的有效性和稳定性。     

网络化电动机故障智能诊断和保护系统

针对目前电动机保护中存在的现场综合保护系统通信功能不强、综合保护与早期故障诊断不能有机结合等问题,应用计算机技术、网络技术、多处理器技术、神经网络和故障智能诊断等技术,设计了一种网络化的电动机故障智能诊断与保护系统。重点介绍了同步采样脉冲产生电路和以太网通信模块的设计,给出了上位计算机采用经遗传算法优化的BP神经网络对电机的早期故障进行智能诊断的软件流程。试验结果表明,该系统能准确诊断电机的各类故障并实施有效保护。     

人工智能在电网故障诊断中的应用

本文提出结合运用BP神经网络和GRNN神经网络建立的故障诊断模型与模糊决策技术的电网故障诊断方法。首先,该方法对电网的三类主要元件(变压器、线路和母线)分别建立神经网络模型。其次,该方法中元件的神经网络基于电力系统中继电保护装置信息和断路器的状态信息进行初步诊断。神经网络模型中BP神经网络负责将该元件的状态和信息进行预处理和判断,将结果反馈给广义回归神经网络GRNN;GRNN神经网络负责在发生故障以及电网拓扑结构发生变化的情况下准确找到故障源。最后,专家系统根据得到的初步诊断信息运用模糊决策技术进行综合诊断。经本文分析及测试,该方法能够有效的提高运行人员故障处理效率,提高电力系统供电的可靠性和安全性。     

基于神经网络、模糊理论的变压器油中气体诊断专家系统

随着大容量变压器的应用日益广泛,以在线监测及故障诊断技术为基础的状态维修体系愈发显得重要,国内外已有诸如神经网络模式识别、基于不确定推理的模糊化处理等智能诊断技术,在各自擅长的领域内应用并取得了一定的成果,但单一的方法均存在不同程度的弊端。该文以人工智能理论中的模糊理论和神经网络理论为基础,介绍了面向对象技术的变压器油中气体诊断黑板型专家系统,该系统体现了专家系统启发性、透明性、高性能和灵活性的特点,不仅能够利用模糊理论来解决变压器故障诊断时出现的复杂性、经验性和模糊性等问题,还能利用神经网络的良好模式分类能力和自学习功能来不断地提高整个系统的故障诊断精度,从而有效地克服了以往采用单一方法进行诊断时所固有的诊断出错或诊断结果不全面的缺点,提高了电力变压器绝缘诊断的准确度,体现了该专家系统的优越性。