变压器在线监测和状态检修研究

摘要：通过简要介绍变压器及其在线监测和状态检修,对变压器在线监测和状态检修技术进行了详细分析,并根据实际阐述了多种在线监测和状态检修技术在变压器上的应用。     

基于模糊神经网络的电力变压器绝缘状态预测方法

针对绝缘状态预测前未能解调变压器的差分频谱,存在绝缘电阻拟合误差大、绝缘子检测精度低和预测时间长等问题,提出基于模糊神经网络的电力变压器绝缘状态预测方法。基于变压器原理,对微分谱线进行解调处理,分析变压器特征量,构建模糊神经网络,引入鸡群优化算法改进模糊神经网络,将获取的变压器特征量输入优化后的模糊神经网络中,完成电力变压器绝缘状态的动态预测。实验结果表明,运用该方法进行绝缘状态预测时,绝缘电阻拟合误差小、绝缘子检测正确率高,以及预测时间短。     

基于概率神经网络的液压缸故障状态的识别

设计液压缸泄漏的模拟实验,分别提取压力、位移信号的时域频域组合特征,利用概率神经网络作为故障分类器,对＂无泄漏＂、＂轻微泄漏＂、＂严重泄漏＂三种故障状态进行识别与分类。采用Matlab仿真的方法测试了径向基传播率和训练样本变化时模型的训练效果。     

基于神经网络的滚动轴承在线状态监测与诊断系统

本文介绍一种适合于大中企业关键机组或机组群滚动轴承运行状态在线监测与故障诊断的仪器系统设计原理,并提出了基于神经网络进行故障评价的系数自修正策略,给出了系统工业现场实时运行结果。     

基于卷积神经网络的刀具磨损在线监测

为了提高刀具磨损在线监测的精度和泛化性能,提出一种基于卷积神经网络的刀具磨损量在线监测模型。利用时域传感器信号对刀具磨损量进行定量分析,避免数据预处理带来的信息丢失;采用深度网络自适应地提取特征,取代传统的人工特征提取过程,并通过加深网络进一步挖掘信号中隐藏的微小特征。实验结果表明,该模型对刀具后刀面磨损量监测效果较好,可以有效避免人为特征提取的局限,精度和泛化性都有一定程度的提高。与相关研究的对比也证实了其可行性和有效性。     

基于温度传感器的变压器冷却风机运行状态在线监控方法

以温度为基础进行变压器冷却风机运行状态监测时,监控结果漏警概率较大,由此,提出基于温度传感器的变压器冷却风机运行状态在线监控方法。采用贝叶斯网络建模的方法,分析风险事件高发节点,建立温度传感器部署方案。在冷却风机上安装分布式光纤拉曼温度传感器,结合脉冲编码技术,构建分布式温度传感模型,直接获取设备运行温度测量结果。采用递归型的滤波器,对传感器采集温度信息进行滤波处理,再通过多元统计分析方法,生成多元T2控制图,获取冷却风机运行状态监控结果。实验结果表明：所提方法应用下,漏警概率降低了18.29%和29.15%。     

基于SOM神经网络的摩擦状态识别研究

为提取摩擦振动的特征和实现摩擦副摩擦状态的识别,在往复摩擦磨损试验机进行摩擦副混合摩擦和干摩擦状态的摩擦磨损试验。应用谱减法对试验采集的摩擦振动信号进行降噪,计算降噪后的摩擦振动15个特征参数。应用自组织映射(Self-organizing map, SOM)神经网络对摩擦副不同摩擦状态的摩擦振动特征参数进行分析,得到摩擦振动的SOM神经网络神经元分类。研究结果表明,谱减法能消除摩擦磨损试验机的背景噪声,SOM神经网络算法能够有效分析摩擦振动信号的特征,实现摩擦副摩擦状态的识别。     

基于模糊神经网络发动机状态监测警报系统的建立

针对传统的依靠单一参数对发动机进行状态监测的不足,利用模糊神经网络处理不确定性复杂问题的能力,融合多种监测参数的信息,建立了基于趋势分析的5级状态监测警报系统.首先从铁谱、振动和性能参数三方面优选监测参数,通过对大量历史数据的统计分析得到各监测参数的界限值,建立了发动机失效程度逐级递进的5级状态监测标准.然后建立隶属函数,通过计算隶属度实现了输入样本的模糊化.最后设计神经网络的结构,利用历史数据训练网络.通过对实例结果的分析证明了该模型的实效性.     

基于小波模糊神经网络刀具状态监测系统的设计

本文利用能量分布特征提取方法和模糊神经网络,提出一种基于小波变换和模糊神经网络的刀具状态监测系统,利用该系统对四种刀具状态进行估计,结果与实际情况完全一致,证明该系统对于估计刀具状态是非常有效的.     

基于图像处理技术的曲轴轴瓦分级装配在线自动检测

针对气缸表面字符特征不一致，采用计算机图像识别技术对曲轴轴瓦的不同型号进行检测，保证安装准确。系统利用CCD以及PCL730卡来完成气缸表面的图像的采集。以VC＋＋为开发平台，运用虚拟设备程序设计技术对现场I／O、中断信号进行可靠的控制，设计出曲轴轴瓦机器视觉自动识别系统，当安装错误时可发出报警信号，满足了实际生产的需求。     

基于人工神经网络的自适应继电保护

从分析自适应距离保护在电源线路发生过渡电阻短路时存在的计算缺陷入手,运用人工神经网络所具有的学习能力,使距离保护能够根据过渡电阻类型的变化给出实时在线的判断。为了验证该模型的可行性,以广东韶关电网的南水电厂到泉水电厂双系统为实例,对其进行了仿真计算分析,均得出正确的结果。     

基于旋转变压器的电机转子位置检测电路设计

主要研究了基于DSP和旋转变压器的电机转子位置检测方案,很好地结合了DSP的快速数据处理能力和旋转变压器的高可靠性,实现了旋转变压器的轴角数字测量.在给出旋转变压器工作原理基础上,提出了测量原理和系统的电路设计方案,已成功地应用于实际伺服系统的位置检测中,具有经济、简便、实用的特点.     

基于最小二乘拟合的轮对轮缘在线检测系统研究

本文提出了一种基于最小二乘拟合的轮对轮缘在线检测系统.该系统由双传感器加TMS320F2812数字信号处理器完成数据采集,由测量模型导出计算模型,应用最小二乘拟合建立采集数据到轮缘厚度的映射函数,二次应用最小二乘拟合结合先验条件对被测点准确定位后得到检测结果.经实际应用验证,该系统简洁实用可靠,测量精度可达±0.1mm.     

基于人工神经网络的参数化CAD方法

介绍了参数化设计和人工神经网络的概念。研究了基于人工神经网络参数化CAD系统的理论原理,并验证了该方法的可行性。阐述了基于人工神经网络的参数化设计子系统的构造过程,该子系统构成了参数化CAD系统的核心部分。     

基于RBF神经网络的心磁图插值问题

心磁图是根据人体心脏微弱磁场测量信号计算得到的医学图像。它反映了人体心脏的电活动，可以给医生提供诊断心脏疾病的信息。为了提高心磁图成像精度，通常需要对心磁检测信号进行插值预处理。本文提出了一种基于RBF神经网络模型的心磁数据插值方法，数值仿真的结果证明，RBF神经网络插值方法比线性插值、BP神经网络插值的精度高，接近三次样条插值的结果。     

基于支持向量机的颤振在线智能检测

为了检测车削过程中的颤振,提出一种颤振在线智能检测方法。使用最小二乘一类支持向量机,训练出描述特征矢量集的超球面,通过计算被测样本与超球面的距离来判断其是否颤振。基于相干准则和分块矩阵求逆,构造了在线稀疏结构的最小二乘一类支持向量机,将特征信息存储于特征库(字典)中,通过更新特征库实现检测模型的在线进化。在颤振检测的应用中,首先使用小波包分解,得到第三层节点能量的比例作为特征矢量,以离线数据构造特征矢量作为输入,训练得到初始检测模型以及特征库,在线检测中不断更新特征库,实现检测模型的在线进化。试验结果表明,在车削颤振识别中,在线进化的检测模型的识别效果更好,颤振预报准确率高达至99.04%,优于离线模型的预报准确率96.74%。     

三相变压器空载与负载损耗在线检测方法研究

介绍一种在线检测三相变压器空载损耗、负载损耗的方法.这种方法通过对变压器原副方电压电流实时量的运算来实现.该方法使用DSP技术分析和记录三相变压器的工作状况,特别注意了十二路信号(原方副方的三相电压、电流)的同步性,采用两片Σ-Δ原理的AD芯片级联,十二个通道同时采样,保证十二路信号的群延时在300μs以内.这里提到的装置还可以用来预测和记录电力变压器的突发性故障,明确责权,所以也被称作变压器的"黑闸子".     

双阈值单类支持矢量机在线故障检测算法及应用

为了将单类支持矢量机应用于机械系统的在线故障检测,提出一种双阈值单类支持矢量机在线检测算法.该算法引入序贯最小优化算法以提高计算效率,使用两层决策边界以区分故障样本和非边界支持矢量,并对检测模型进行在线自适应地更新,同时剔除故障样本对检测模型自适应更新的贡献,使得该算法能够有效剔除单类支持矢量机的原理性误差和因工况变化引起的误差,提高了检测精度.将该算法应用于某型液体火箭发动机涡轮泵振动信号的故障检测,结果表明,该算法可以在无虚警的情况下快速有效地检测涡轮泵故障.     

基于神经网络的速度规划研究

提出一种基于Hopfield神经网络的优化方法,以实现快速成形系统的速度规划,由此提高系统在允许轮廓误差范围内的加工效率,该方法对应的目标函数既包括表征加工效率的目标项,又考虑到系统的多个约束因素,如最大速度、最大加速度、最大加速度增量,以及允许轮廓误差,对Hop-field神经网络的基本稳定性进行了分析,给出了该方法的数字仿真结果。