基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ） 实现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断．仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件．     

基于人工神经网络的变电站故障诊断

介绍了一种利用人工神经网络（ＡＮＮ）帝现变电站故障诊断的方法,该方法充分利用人工神经网络所具有的强大的学习能力及高度的容错性等特点,实现对变电站故障元件的诊断。仿真结果表明,该方法不仅能准确地诊断出保护、开关正确动作时的故障元件,也可有效地诊断出因保护或开关拒动的越级故障时的故障元件。     

基于QPSO算法的含分布式电源配电网故障诊断

针对含分布式电源的配电网发生故障后,故障电流流向更加复杂,导致传统配电网故障诊断方法适用性变差的问题,本文将故障电流作为馈线终端单元采集的故障信息,构造了新型故障诊断评价函数。同时,以-1,0,1规定故障电流方向,在馈线终端单元上增加方向元件采集故障信号,利用量子粒子群优化算法对评价函数进行求解实现诊断,并通过仿真算例,验证该方法在含分布式电源的配电网故障诊断中的有效性及容错性。仿真结果表明,该算法可准确验证发生故障的区段,不具备关键信息丢失的容错性能,但对于非关键信息丢失或畸变时具有良好的容错性。该研究为含分布式电源的配电网故障诊断提供了新的解决方案,具有一定的应用价值。     

浅述电气设备故障诊断

电气设备故障诊断是实现设备预知性维修的前提,是保证设备安全可靠运行的关键。而继电保护装置则是在电气设备发生故障时,能够迅速而有选择性地切除故障元件,这是保证电力系统安全运行地最有效方法之一。旨在把故障诊断这一功能嵌入到继电保护装置中,实现保护装置对电气设备的故障诊断。本文主要针对高压断路器来说,它的故障诊断过程基本上分为三个方面：首先是故障诊断信息的获得;其次是故障特征参数量的提取;最后是故障状态的识别和故障的诊断。     

基于决策树与脉冲神经膜系统的输电网故障诊断方法

为有效处理电网故障诊断过程的不确定和不完备信息,提出一种基于决策树与模糊推理脉冲神经膜系统的输电网故障诊断方法:首先采用权重网络分割法将电网分割为若干小型子网,再利用决策树算法对原始故障决策表进行训练,并约减故障信息,提取输电网故障产生式规则;然后利用模糊推理脉冲神经膜系统的强大知识并行推理和模糊信息处理能力,建立基于 FRSNPS 的故障诊断模型,实现输电网故障诊断;最后,以 IEEE14 节点标准系统为对象进行仿真实验和分析。实验结果表明,该方法在单类型和多类型故障信息丢失时,依然能够诊断出正确故障元件。     

基于粗糙集—神经网络的三相SPWM逆变电路故障诊断研究

以三相SPWM逆变电路为研究对象，利用MATLAB仿真软件建立故障仿真模型。针对故障诊断中冗余及不完整的信息常使诊断规则误报、漏报的现象，采用粗糙集-神经网络对三相逆变电路进行故障诊断，优化了神经网络结构，提高诊断速度。仿真实验表明该方法取得了良好的故障诊断效果。     

利用多源信息的配电系统故障诊断Petri网模型

与输电系统相比,配电系统覆盖面更广,包含的元件/设备更多,发生故障的机会也更大。另一方面,配电系统中配置的保护设备不像输电系统那么先进和全面,故障后的警报信息少且未必完整,故障诊断的难度因而未必比输电系统小。这样,在配电系统故障诊断中,充分利用来自多个渠道的信息就更为重要。在此背景下,提出了一种基于Petri网的多源信息配电系统故障诊断模型,可以容纳来自能量管理系统(EMS)、调度管理系统(OMS)、生产管理系统(PMS)、保护信息系统等多方面的信息,并根据一定规则将获取的信息转换成逻辑判据。针对配电系统的不同元件,提出了基于Petri网的故障诊断模型,分析了不同的库所置信度和变迁权重对故障诊断结果的影响;讨论了保护设备误动/拒动、信息漏报/误报对故障诊断的影响并归纳了可能的故障类型,用于评估故障诊断模型的可靠性和容错性。算例测试结果表明了所提出的Petri网故障诊断模型的可行性。     

神经网络的故障诊断方法研究

为了解决智能诊断应用中BP神经网络收敛速度慢、稳定性差以及精度不高的问题,通过嵌入到设备中的诊断Agent采集到设备各元件工作电压,以此为对象研究基于Elman的神经网络故障诊断方法,使用设备故障信息作为BP神经网络和Elman神经网络的训练样本.结果表明,在相同的神经网络训练样本和测试样本下,BP神经网络的收敛速度比Elman神经网络慢,Elman神经网络比BP神经网络诊断精度有提高.经过对训练过程和仿真结果的分析,验证了基于Elman神经网络的故障诊断方法收敛速度提高了约2倍、精确度提高约1.5倍,满足系统在线故障诊断需求.     

模态区间在液体火箭发动机故障诊断中的应用

基于模型的故障诊断方法在处理具有不确定参数的复杂非线性系统时,由于仿真结果的不精确导致诊断错误.而传统的区间算法又容易发散,为此,引入模态区间分析方法对含有不确定性参数的非线性系统进行建模仿真和故障诊断.模态区间分析方法通过定义逻辑谓词对区间进行语义解释,从而得出系统工作区间的精确包络线,在此基础上进行的故障检测与诊断是可靠的.利用模态区间分析方法对某大型液体火箭发动机进行模拟仿真与故障诊断,结果表明:得到的系统工作区间包络线是正确的,进行故障诊断得到的结果是真实可靠的.     

基于粗糙集-贝叶斯方法的分布式电网故障诊断

针对实际的电网故障诊断中常存在的冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集和贝叶斯有机结合在一起,并鉴于传统的人工智能在大电网故障诊断应用中存在的局限性而采用分布式数据挖掘的思想,提出了一种基于粗糙集-贝叶斯的分布式电网故障诊断方法。该方法首先把大电网分割成给定数目的局部电网,然后利用粗糙集对各个局部电网分别建立决策表并进行约简,最后利用粗糙集-贝叶斯方法进行局部电网内部及局部电网之间的联络线的规则提取形成全局规则库,并根据实时报警信息进行规则匹配得到诊断结果。经电网故障诊断算例分析表明,该算法正确、有效,速度快,容错性好。     

模糊时滞系统的传感器故障诊断

针对一类含有未知输入干扰的时滞系统,研究了一类T-S模糊时滞系统的传感器故障诊断问题。通过设计自适应观测器,得到了一种新的鲁棒传感器故障诊断方法。首先对于不含有干扰的系统,设计了自适应观测器进行诊断,然后考虑具有外部干扰的时滞系统,设计了鲁棒自适应观测器进行诊断。这个自适应观测器不仅可以检测出故障的发生,还可以对故障进行较好的估计。同时基于Lyapunov函数方法证明了系统的稳定性。仿真结果说明了此方法具有很好的诊断性能。     

利用CAN总线的在线故障诊断专家系统的实现

为了能更快速、准确的诊断出武器系统的故障,将CAN总线应用到某武器系统.构建一种基于CAN总线的在线故障诊断专家系统.此系统能通过CAN总线直接获取武器系统的自检信息和在线检测信息,并根据相应信息,利用故障诊断专家系统,对知识库进行搜索匹配,诊断推理,得出故障诊断结论,并给出相应的排除故障的措施和维修意见.实践表明该系统提高了某武器系统的故障诊断效率和正确率.     

吊舱环控系统的多级流模型故障诊断技术研究

针对电子设备吊舱环控系统设备间故障耦合的问题,研究了基于多级流模型的故障诊断技术,建立了吊舱环控系统的多级流模型,分析了基子该模型酌故障诊断算法和诊断过程,开发了吊舱环控故障诊断系统,结合故障实例,对诊断技术进行了验证．研究结果表明：多级流模型的图形化建模方法,简单的诊断逻辑,使得它具有诊断结果明了和诊断效率高的优点,基于MFM的故障诊断技术能高效地对吊舱环控系统进行故障诊断．     

嵌入式装备故障诊断专家系统

为了提高故障诊断专家系统的工作效能和可移动性,通过分析基于故障树进行故障诊断的过程,在设备中嵌入数据采集模块,使用故障征兆表的方式进行故障诊断,在嵌入式Linux操作系统上开发了便携式诊断客户端．维修人员根据嵌入在装备中的诊断Agent输出信号直接判断该装备工作是否正常,通过诊断客户端对装备故障信息进行推理判断,快速定位装备的故障源．嵌入式故障诊断专家系统将数据采集功能和知识库的推理功能有效地结合起来,使得维修人员能够陕速、高效地对设备进行诊断维修．     

高速旋转机械故障智能诊断系统的研究

目的 研制一种新型的故障诊断系统，解决高速旋转机械复合型故障诊断的问题．方法 将神经网络理论应用于故障诊断中，把信号采集、状态监测、信号分析和智能诊断组合在一起。并以H1C型涡轮增压器为诊断研究对象，进行了该系统的试验验证．结果 得出的该系统的诊断结果与理论上分析得出的结果基本一致．结论 证实了所研究的该系统是可信的，它能够准确、快速地诊断出设备存在的故障．基于神经网络理论的机械故障智能诊断系统在解决复合型故障诊断方面更具有优越性与高效性，并为其现场应用于实时监测和实时诊断奠定了试验基础和技术支持．     

基于LabVIEW的卧式离心泵故障诊断系统设计

针对卧式离心泵工作环境恶劣、常发生故障以及现有诊断系统功能不完善等问题,根据离心泵异常振动的时域特征与频域特征,设计基于LabVIEW平台的卧式离心泵状态监测与故障诊断系统。该系统通过采集模拟电压信号,实现对泵的压力、振动和流量等信号的实时处理与状态监测,基于轴心轨迹、时频分析、小波包-AR谱分析和神经网络的故障诊断方法,对离心泵振动信号进行多样化的数据综合分析,实现对泵转子部件与滚动轴承状态的智能化识别。试验结果表明,系统对离心泵的水力性能和健康状态的诊断与预测的成功率达到96%以上。这对机组运行工况的调整和停机检修维护的决策提供了理论依据,在保证机组安全的同时最大程度地降低了停机时间,减少了机组运行的维护成本。     

基于信息熵-灰关联度法的汽轮机振动故障诊断

以汽轮机轴系典型振动故障模拟试验为基础,利用灰关联分析理论对汽轮机轴系振动故障的识别进行了研究。通过对试验数据的研究,确定了故障信号的4种信息熵特征组成的灰色关联参考故障矩阵,并建立了相应的灰色关联度计算模型。对各组故障信号的灰色关联度计算表明,关联度作为一种表征待分析信号与参考故障矩阵相似度的定量特征,可实现对部分轴系振动故障的较好识别,具有良好的应用前景。     

基于圆故障模型的模拟电路故障诊断方法

针对模拟电路故障诊断中故障字典法的电路故障响应状态的不可数性,提出了一种新的复平面空间圆故障模型诊断方法。该方法利用电路响应与元件的位置及电路拓扑结构之间的关系,在复平面空间上建立圆函数作为故障特征。故障诊断时,利用测试值到圆中心之间距离与圆半径相等的原理来精确定位故障。实验证明圆故障模型既能解决故障响应不可数问题又能简化故障字典,降低仿真和测试代价。同时,该方法不但能诊断软故障和硬故障,而且也能很好地解决容差问题。     

基于改进MSPCA的交通检测器故障诊断模型

针对交通检测器故障诊断过程中,噪声掩盖了部分故障信息以及故障信息分布的多尺度性,提出了一种改进的多尺度主元分析（ MSPCA）模型。模型首先将交通检测器数据进行分段处理,再加入改进的小波阈值除噪,对滤除噪声后的小波系数进行主元分析,最后利用二维贡献图完成故障的定位。模型应用于线圈检测器的故障诊断实验,与MSPCA及自适应主元分析相比,该模型减小了误报率和漏报率,准确率更高,抗噪能力更强。