基于多频小波分析和D-S推理的电路故障诊断

对于模拟电路,提出了一种对多频响应信号特征进行信息融合的故障诊断方法。选取多种频率信号作为电路的输入,对响应进行小波分析,提取各频带信号的能量特征,经归一化处理得到与电路状态对应的故障特征矢量。待测样本作为未知故障模式与故障特征矢量进行灰色关联分析,得到待测样本与各故障模式的灰色关联度。以灰色关联度构造证据合成规则所需的基本概率赋值函数,并利用D-S证据推理进行融合诊断。实验证明,与现有方法相比,本方法测试成本低、诊断准确率高,对于轻微的软故障,也能进行有效的诊断。     

电力变压器故障诊断的k值自适应加权KNN算法研究

为对变压器故障进行更有效的诊断,针对变压器故障数据数值范围广且分布不均的特点,提出了k值自适应加权K近邻算法。首先,为避免离群样本对分类结果造成影响,利用局部异常因子对样本数据进行了离群点检测,并剔除了显著离群的样本;其次,为弥补传统KNN算法k值固定的缺陷,提出根据待测样本近邻点单位面积密度来对k进行自适应取值;最后,在对待测样本进行分类时,综合考虑各近邻点到待测样本之间的欧式距离,以及待测样本与各类别样本的分布相似度来确定各近邻点权重,并应用到最终的变压器故障分类决策之中。实验结果表明:研究提出的k值自适应加权KNN算法能对变压器故障进行有效诊断,诊断准确率达91.7%,相比改良三比值法以及BPNN、SVM和传统KNN三种分类器分别提高了19.7%、12.1%、6.5%和7.4%。     

中压配电线路断线高阻接地故障精细化诊断方法

电力系统中可能会出现多个位置电压降低或电流异常的情况,导致中压直流配电网相关故障信号特征会发生明显的形变波动,超过正常的波动区间,导致故障诊断精细化程度下降。提出了中压配电线路断线高阻接地故障精细化诊断方法。在构建高阻接地电阻模型的基础上,采用小波能量矩算法获取中压配电线路断线高阻接地故障特征,将提取的故障特征输入最小二乘多级支持向量机中,实现中压配电线路断线高阻接地故障精细化诊断。仿真结果表明：所提方法获取的故障相电压波形差异小于2.3%;故障相电流波形相似度高于98%;诊断时间较短,故障诊断时的最高识别率可达到98%,平均识别准确率达到了95%;收敛值达到0.97。由此可知,所提方法抗干扰性能强,可以准确识别光伏能源接入中压配电线路断线高阻接地故障,保证光伏能源接入中压配电线路后的稳定运行。     

基于PCA和SVM的模拟电路故障诊断

针对电路故障诊断中存在的样本要求高、推广能力弱、特征提取难等问题,提出了一种基于主成分分析(PCA)与支持向量机(SVM)相结合的模拟电路故障诊断方法.通过对电路输出响应的采样信号进行PCA处理,提取故障特征的主要成分,然后利用多类SVM对各种状态下的故障模式进行分类决策,实现被测电路的故障诊断.实验结果表明:该方法能够实现电路故障的快速检测与故障元件的准确定位,具有速度快、精度高、鲁棒性好的特点.     

基于小波包能量熵与SVM的模拟电路故障诊断

提出1种小波包能量熵与支持向量机结合的模拟电路故障诊断新方法。首先对待测电路的输出电压信号进行多层小波包分解,然后对分解信号进行单支重构,并对重构系数求取小波包能量熵,形成故障诊断的特征向量。将特征向量输入支持向量机,通过选取恰当的核函数与多分类方法,对支持向量机进行训练,建立故障模式分类器,并在不同故障模式下对样本数据进行测试。仿真结果表明该方法能达到较高的诊断正确率。     

基于小波神经网络的可更换电路单元故障诊断

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于某装备可更换电路单元故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

基于小波包分析的双凸极无刷直流发电机系统故障诊断

提出了一种针对电励磁双凸极发电机的整流电路故障诊断方法。根据整流电压波形的畸变规律,将2个以内的二极管故障分为7类共计22种故障元。选用Daubechies小波作为小波基,对实测的整流电压进行小波包分析,利用小波系数,在各个频带上进行小波信号重构。提取全频带能量特征值,并以此构造故障模式向量。以一台840 W、12/8极的电励磁双凸极发电机为实验样机,通过采集大量故障信号并进行信号处理,建立整流电路故障档案,为故障识别提供了对照样本。同时,以故障特征值的容差范围作为误差判别标准,力求诊断误差最小化。实验结果表明,该方法对被分析信号的频率波动和幅值变化均具有良好的鲁棒性,是一种有效的特征值提取方法,具有较高的故障诊断正确率。     

基于特征表征度与多变量预测模式识别的变压器故障诊断

针对现有的基于油中溶解气体分析的诊断方法忽略了特征对故障类型的表征力度差异,限制了故障区分度的问题,提出了一种新的变压器故障诊断方法。该方法首先将主成分分析与灰色关联度分析相结合,用于度量特征量表征各故障类型的重要程度,并确定各故障类型下各特征量的权重;其次,构建一种多变量预测模式识别方法,用于电力变压器故障分类。其基本思想为:基于训练样本数据建立各类别下特征量之间相互表达的数学模型,即各类别的预测模型;将待测样本特征量输入至已建立好的预测模型中,并输出对应的特征量预测值;基于各特征量的权重信息,以预测值与实际值的加权误差平方和最小为判据,确定样本所属类别。最后通过与神经网络、支持向量机等方法进行对比,验证了所提方法的有效性。     

基于Relief F和灰色关联分析的高压断路器机械故障诊断

为提升高压断路器机械故障诊断算法故障诊断效率与精度,文中提出一种基于Relief F算法和灰色关联分析的故障诊断方法。首先,从高压断路器分合闸线圈电流中提取20种特征量,采用Relief F算法计算所有特征权重;然后,使用基于重要特征构成的故障样本建立灰色关联分析模型的参考序列,并归一化对应特征权重向量;最后,计算参考序列与待测序列之间的关联度值确定待测样本故障类型。通过实例分析验证结果表明,文中提出的诊断方法能准确诊断高压断路器机械故障,同时引入Relief F算法降低诊断模型复杂度并提高故障诊断效率,表明该方法具有良好的工程应用前景。     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法.先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型.仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果.     

模拟电路故障检测与定位新方法

提出了一种基于统计理论与智能信息处理技术的容差模拟电路故障检测与定位新方法。在充分考虑容差效应的基础上,构建了故障阈值函数与故障判据,从而可通过监测可测点工作电压实现电路的故障在线检测。再通过离线测量电路在不同测试频率下输出对输入的增益,将可测点工作电压与电路增益两类测试信息经特征层融合,运用所提出的遗传神经网络方法对电路进行故障定位。仿真结果表明:所提方法对模拟电路的硬故障与元件参数偏移较小的软故障均适用,故障检测与定位准确率高。     

基于STC15F2K60S2单片机波形发生器设计

采用STC15F2K60S2单片机控制具有I2C总线结构的PCF8591数模转换器,产生正弦波、方波和三角波3种信号波形,通过按键K1切换波形,K2实现频率的增大,K3调节频率的减小,最终输出幅值为5 V可调频率的所需波形,并在液晶显示不同波形的波形名称和频率。同时,用Proteus软件对波形发生器进行仿真模拟,实验结果表明,仿真与实际制作电路的结果基本一致。该波形发生器操作方便,运行稳定可靠,输出波形可以满足教学和电子测量的要求。     

基于双空间的融合特权信息支持向量机模拟电路故障诊断

针对模拟电路故障诊断识别率较低的问题,提出了基于双空间特征提取的融合特权信息支持向量机的模拟电路故障诊断新方法。首先对采集的信号进行主成分分析(principal component analysis,PCA)——特征提取;并用融合特权信息支持向量机LUPI-SVM(SVM of learning using privileged information,LUPI-SVM)分类器和SVM-GA分类器进行预分类;对分类结果不同的样本进行独立成分分析(independent component analysis,ICA)—特征提取,并用LUPI_SVM进行分类识别,Sallen-Key滤波电路故障诊断仿真实验结果表明该方法有效提高了分类的性能,为模拟电路故障诊断提供了新的途径。     

基于EMD和SPS的容差模拟电路故障诊断

针对具有容差的模拟电路故障诊断难题,提出了结合经验模态分解(EMD)和子带多态谱(SPS)的提取模拟电路故障特征新方法。首先计算出待测试电路的二阶Volterra核序列,然后用EMD对Volterra序列进行分解,获得本征模态函数(IMFs),最后通过计算IMFs的倒谱(CS)和Hiltert谱(HS),对时频域的多态数字故障特征进行提取,从而将容差模拟电路中的软故障和非线性故障进行分离,完成模拟电路故障诊断。实验结果表明,该方法能够有效地解决故障混叠难题,提升故障元件定位和分离的能力。     

基于频域核系数的动态模拟电路故障诊断

因模拟电路中可及测试节点数量的限制,基于系统辨识的思想提出了一种新的故障诊断方法,频域核系数被用来进行模拟电路参数故障诊断.根据电路传递函数和元件的容差预先计算出全部频域核系数的正常范围,然后利用电路的输入输出信息提取故障电路的频域核系数,依据超出正常范围频域核系数的故障特征可确定电路故障范围或故障元件.通过仿真实例验证了该方法的有效性.     

基于LMD多尺度熵和极限学习机的模拟电路故障诊断

为了高速、高效的测试和诊断模拟电路,提出一种将局部均值分解(LMD)多尺度熵和极限学习机相结合的模拟电路故障诊断的新方法。该方法中,首先采用LMD将故障信号分解为若干个乘积函数(production function,PF);然后,求出各PF分量的多尺度熵并构造故障特征向量;最后,将特征向量输入到极限学习机中进行训练和测试。仿真实验结果显示采用该方法诊断时间只需0.028 74 s,诊断精度达到了98.89%。相较于其他3种方法有效减少诊断时间,提高故障诊断精度。     

结合LMD云模型和ABC-LSSVM的 模拟电路故障诊断

针对模拟电路存在的非线性和非平稳性,以及电路元件存在容差而带来诊断时的模糊性与随机性等问题,提出了一种结合了局域均值分解(LMD)云模型特征提取和人工蜂群-最小二乘法支持向量机(ABC-LSSVM)分类器的模拟电路故障诊断法。首先,利用LMD算法对初始故障信号进行分解,再将分解的信号通过云逆向发生器计算得出分解信号的云数字特征,并将得到的云数字特征构造为故障特征向量。然后,将部分故障特征向量作为测试样本输入到ABC算法优化的LSSVM中,对各电路故障进行分类识别,得到各故障的分类精度。以两个国际基准电路CTSV和Sallen_Key电路为验证对象,结果表明,该方法提取的故障特征能很好的反映电路各故障状态信息,所提方法的故障诊断精度均达到99%。     

动态时间规整算法诊断高压断路器故障

为诊断与分析高压断路器的故障,采用动态时间规整算法(DTW),该算法利用高压断路器振动波形具有重复性和独特性的特点,通过比较待测波形与参考波形时间特征量相似度的大小获得诊断结果。该算法只需一组健康数据作为基准参考数据,不但可诊断出高压断路器是否异常,还可确定某一时段对应动作事件的状态。用MATLAB编写动态时间规整算法程序,以试验实测波形为例,对断路器振动波形进行仿真分析,其结果与实际一致,验证了该算法应用于断路器故障诊断的有效性。     

容差电路软故障检测与定位

提出了一种基于统计理论与神经网络数据融合、可用于容差模拟电路软故障检测与定位的诊断方法.该方法将故障诊断分两个阶段进行,即故障检测与故障定位.通过监测可测点工作电压,利用所构建的故障阈值函数与故障判据来实现容差电路的故障在线检测.再通过离线测量电路在不同测试频率下输出对输入的增益,利用可测点工作电压与电路增益,运用所提出的数据融合方法及改进的BP算法对电路进行故障定位.模拟诊断结果表明,所提方法不仅可用于硬故障诊断,而且还能实现容差电路的软故障诊断,所需测试节点少,故障检测与定位准确率高.     

采用模糊支持向量机的模拟电路故障诊断新方法

为了解决模拟电路故障诊断复杂多样难于辨识的问题,有效提高分类的准确度,提出了一种模拟电路故障诊断的新方法。首先对采集的信号进行时-频域联合特征提取并采用新的模糊隶属度函数确定训练样本的隶属度,消除噪声和野点对故障诊断的影响;然后将训练集输入模糊支持向量机分类方法训练获得故障诊断模型;最后将测试集输入训练好的模糊支持向量机分类模型,实现对不同故障类型的识别。将该方法应用于CTSV滤波电路进行故障诊断仿真实验,结果显示该方法不仅能正确分类单故障而且能有效分类多故障,平均故障诊断率达到98.2%,为模拟电路故障诊断开辟新的途径。