基于一维卷积神经网络的机电作动器故障诊断

针对机电作动器的传统故障诊断方法依赖于人工特征提取和工程经验的问题,该文提出一种基于一维卷积神经网络（1DCNN）的智能故障诊断方法。相较于传统故障诊断算法中特征提取和分类的分开处理,该方法将两者合二为一、共同进行。首先,利用重叠采样对直驱型机电作动器的正常信号和故障信号进行预处理来获取数据样本;然后将样本输入到设计的一维卷积神经网络模型中,通过多层数据变换得到有效的特征表示,从而建立原始数据端与运行状态端之间的映射关系,实现机电作动器端到端的故障诊断。实验结果表明,该方法可以有效地诊断出机电作动器的故障,且故障识别率可以达到98%左右。另外,该方法在不同白噪声下仍可以保持较高的故障识别率,具有比较好的鲁棒性和泛化能力。     

基于遥信数据故障编码技术及DHNN校正的电网故障诊断方法

提出采用故障编码技术形成故障空间最优编码集,然后通过模板匹配的方式进行电网故障诊断的方法。针对由于缺少前端故障遥信数据处理的清洗算法,造成故障诊断算法诊断正确率不高的问题,提出了建立离散Hopfield神经网络模型用于故障遥信数据的前端数据清洗的算法。利用故障遥信数据之间的相关性对遥信变位数据进行分组,并对各组数据分别采用所提出的算法进行数据清洗,利用穷举输入状态数据的方法求取了算法的修正域,从而建立了DHNN清洗模型。最终形成具有纠错能力的电网故障智能诊断方法,实现在故障诊断空间内对故障元件的诊断。通过实际电网的故障遥信数据的测试,验证了DHNN神经网络信息纠正模型和故障诊断模型对电网故障元件诊断的有效性。     

基于调度综合数据平台的大规模电网分层故障诊断

当大规模电力系统发生单一或复杂故障时,各种开关及保护动作信息、报警和事件信息在短时间内同时上传到调度中心各应用系统,此时仅靠单个系统信息和单一诊断手段很难解决故障诊断问题。文中提出了一个基于调度综合数据平台（DIIP）的针对大规模电力网故障诊断的分层故障诊断多智能体系统（MAS）模型,通过分级故障特征信息订阅机制及区域智能体并行诊断和全局智能体总体诊断的分层协调诊断机制,得出最终的故障诊断结论。测试案例表明,利用基于DIIP的多智能体模型诊断故障有效且具有较好的实际应用能力。     

基于特征判定系数的CSO-SVM的电力变压器振动信号故障诊断

变压器带电故障诊断对于保证电力变压器安全平稳运行具有重要的意义。针对变压器工作环境复杂且单一参数表征变压器故障类型不全面的问题,提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）和特征熵权法（EWM）进行故障诊断的方法。通过相关系数加权峭度（CCWK）原则筛选CEEMDAN分量并重构信号,实现在剔除冗余分量的同时,提升变压器振动信号特征的表征能力;利用EWM构建特征判定系数（FDC）实现单一数据诊断变压器故障类型;通过主成分分析法（PCA）减小混合域特征尺度,采用鸡群优化算法（CSO）优化支持向量机（SVM）模型进行故障诊断。对某变电站110kV三相油浸式变压器进行分析,结果表明与概率神经网络（PNN）和SVM等变压器故障诊断方法相比,文中方法在提前定性故障类型的同时,能够进一步提高变压器故障诊断准确率与效率。     

基于最优编码集及智能状态估计的电网故障诊断方法

当电网发生故障时,大量的遥信告警和变位信息上传到调度端,使得调度人员很难在短时间内对故障设备及故障类型做出准确的判断.因此提出了利用分组遥信数据识别故障类型,利用人工智能方法纠正差错遥信的电网故障诊断方法.对于此,将各种设备的标准遥信数据映射到故障诊断空间中,求取最优编码集,把故障遥信的故障空间编码值和故障空间最优编码...     

应用数据融合的电网故障诊断

电网发生故障时,由于保护及断路器的拒动、误动等因素使得诊断结果存在不确定性。首先提出了应用数据融合的电网故障诊断方法;再针对融合故障发生时的开关量和电气量信息,利用模糊Petri网对开关量信息进行分析,利用希尔伯特-黄变换HHT(Hilbert-Huang transform)对电气量进行分析,提取开关量故障度、幅值故障度、频率故障度和能量故障度,并利用D-S证据理论对各种故障表征予以融合,进而得故障诊断结果;最后,通过仿真验证所提方法能充分利用电气量信息,减小单一开关量的不确定性因素的干扰,提高故障诊断的精度。     

电力系统故障诊断遥信量遗漏分析

针对输电网故障诊断过程中的遥信量遗漏问题,提出建立事实事件集和虚拟事件集,并以事件集为结点进行故障的因果链诊断。根据故障信息的内在逻辑关系构造虚拟事件集结点,通过分析因果链的合理性来判断构造是否成立,将信息遗漏情况和拒动、误动状态区分开来。最终实现在故障诊断过程中识别遥信量遗漏、评价保护动作情况的功能,从逻辑上解释故障后保护设备的行为。算例验证了所提算法的有效性。     

火电厂汽包水位预警及故障诊断系统应用研究

锅炉汽包满、缺水事故是长期困扰火力发电厂安全的重大恶性事故之一。将SIS中丰富的现场实时数据与智能故障诊断技术相结合,开发出基于SIS平台的汽包水位预警及故障诊断系统。通过在某300 MW机组上进行的初步应用表明,它能够实现实时监测现场数据,故障预警和故障诊断等功能,完全能够满足现场实用化的要求。     

智能型电网故障诊断系统的构建初探

针对目前的电网故障诊断模型尚存在的不足,提出一种分层、分布、交互式的电网故障诊断系统,利用基于网络结构及故障信息结构的分层故障诊断策略,将故障诊断策略分布于调度中心及各厂站,由调度中心的上层智能体根据故障复杂性逐层调用断路器、保护、电气量波形信息;各厂站的下层智能体向上层智能体提供所需要的中间结果和数据。上下层智能体并行处理数据,通过广域网进行信息交换。     

基于概率神经网络模型的异步电机故障诊断

针对传统故障诊断方法的局限性,提出一种基于概率神经网络(PNN)的诊断方法.以异步电机转子断条、偏心、失电残压等故障为例进行了诊断研究,通过选取故障样本来训练PNN,将故障信息输入训练好的PNN模型后,由输出结果即可判断发生的故障种类.MATLAB仿真表明,基于PNN的电机故障诊断方法能有效识别出电机故障,故障诊断准确率高,易于工程实现.但神经网络还处于发展阶段,仍有不少问题需进一步研究.     

Multifrequency approach to fault diagnosis

This paper deals with multiple-fault diagnosis for linear analogue circuits. the proposed approach is based on multifrequency measurements of some voltage (transfer function) at the accessible output port and can be used for multiple-fault location. It uses certain algebraic invariant properties of the transfer function with respect to the set of faulty elements. Computationally this approach reduces checking the problem of multiple-fault diagnosis to one of the existence or non-existence of a common solution of two systems of linear equations; this amounts to the finding of the rank of a matrix. These linear equations are derived via symbolic representation of the measured voltage (transfer function) accessible for measurements. A numerical example of the application of such an approach is given.     

基于多类AdaBoost的故障诊断算法

主要研究了多类分类AdaBoost算法,及其在多类故障诊断问题中的应用.为了解决“一对一”算法和“一对余”算法的局限性,提出了基于决策树的AdaBoost算法.利用遗传算法的全局随机搜索性能对数据集进行特征筛选,得到新的特征数据集,根据CART算法构造决策树建立AdaBoost分类器,使得决策树每一个节点的最可分类别尽...     

故障诊断技术方法综述

故障诊断技术是近年来自动控制领域中的一个重要研究方向.文中在分析故障产生原因的基础上,介绍基于知识的诊断方法、基于解析模型的诊断方法和基于信号处理的诊断方法等3种常用的故障诊断方法.并对上述3种方法的适用范围及选用依据进行分析.     

基于故障树及LabVIEW的雷达设备故障诊断

随着工业技术的飞速发展,雷达设备作为集电子、电磁、机械为一体的综合系统,结构日益庞大复杂、加之雷达均工作在高山、海岛等高温、高湿、高盐的环境中,雷达故障率高,故障检测和定位难度大.针对雷达设备故障诊断中的难题,提出了基于故障树分析法的雷达故障诊断系统,应用故障树技术构建故障诊断专家系统知识库,采用按权值大小搜索节点的控制策略设计推理机,并结合虚拟仪器技术在LabVIEW软件平台中设计实现故障诊断专家系统.该系统已装备应用于部队,故障诊断实效良好.     

新型容错逆变器的混杂系统建模与故障诊断

考虑到传统开关函数模型只对逆变电路的控制变迁进行分析而无法描述电路的条件变迁,容易丢失电路在条件变迁过程中所表现出的故障信息,从而影响故障诊断的实时性和准确性。电力电子电路是典型的混杂系统,文章建立了一种新型容错逆变器的混杂系统模型,在此基础上提出了故障事件辨识向量的概念,并将其应用于逆变器故障的分析,仅通过故障事件辨识向量对逆变电路变迁过程中的故障事件进行辨识来完成故障诊断,对于电路变迁过程中的正常事件辨识不予考虑,减少了控制系统的数据处理量,提高了故障诊断的实时性和可靠性,实验验证了所提方法的可行性和有效性。     

Research on fault diagnosis for MMC-HVDCSystems

Introduction: With the development of flexible HVDC technology, the fault diagnosis of MMC-HVDC becomes a new research direction. Based on the fault diagnosis theory, this paper proposes a robust fault diagnosis method to study the fault diagnosis problem of MMC-HVDC systems. Methods: By optimizing the gain matrix in the fault observer, fault detection with good sensitivity and robustness to disturbance is achieved. In the MMC-HVDC system, because of the inherently uncertain system and the presence of various random disturbances, the study of robust fault diagnosis method is particularly important. Results: Simulation studies during various AC faults have been carried out based on a 61-level MMC-HVDC mathematical model. The results validate the feasibility and effectiveness of the proposed fault diagnosis method. Conclusions: So this fault diagnosis method can be further applied to the actual project, to quickly achieve system fault diagnosis and accurately complete fault identification.     

一种基于数字信号处理的汽轮机故障诊断系统

设计了一种基于数字信号处理(DSP)的汽轮机故障诊断系统。系统通过快速傅里叶变换(FFT)和快速小波变换(FWT)等DSP算法对转子振动信号进行实时监测和处理,建立故障征兆库,对经过处理和变换的信息进行征兆获取和诊断推理,及时发现故障征兆和运行异常,并提供多种辅助分析手段。实践表明:该系统能及时发现故障征兆,有效地进行故障分析,减少事故发生和非计划停运,确保机组的安全运行,获得了较好的社会效益和经济效益。     

基于概率神经网络的电力变压器故障诊断

提出了一种基于概率神经网络的变压器故障诊断方法,并用遗传算法优化概率神经网络的平滑因子,从而提高概率神经网络诊断的正确率.结果表明,实际的油色谱数据验证了此变压器故障诊断方法的可行性和正确性.     

New fault diagnosis of circuit breakers

Wavelet packets and neural networks have been used to analyze the vibration data of circuit breakers (CBs) for the detection of incipient CB faults. Wavelet packets are used to convert measured vibration data from healthy and defective CBs into wavelet features. Selected features highlighting the differences between healthy and faulty condition are processed by a backpropagation neural network for classification. Testing has been done for three 66-kV CBs with simulated faults. Detection accuracy is shown to be far better than other classical techniques such as the windowed Fourier transform, stand alone artificial neural networks or expert system. The accuracy of detection for some faults can be as high as 100%.     

基于RA-LSTM的轴承故障诊断方法

为解决轴承故障诊断时网络模型不能对一维振动信号中的特征按照重要程度分配不同的权重,导致无法提取具有代表 性意义的特征,进而影响诊断模型的精确度与鲁棒性的问题。 提出基于反向注意力机制( reverse attention mechanism,RA)的特 征突出处理方法,通过将特征进行注意力反向与剪枝,降低非重要特征占比,从而对重要特征进行凸显。 并通过长短期记忆网 络(LSTM)进一步学习特征之间的时间信息后通过全连接层进行故障类型分类。 通过实验选取了最优数据截取长度、剪枝超参 数并对信号添加噪声后模型的稳定性进行了验证。 实验结果表明所提出的 RA-LSTM 轴承故障诊断方法具有优异的故障诊断 性能,故障诊断精度能达到 100%,且在添加噪声后模型的诊断能力仍具有优异的鲁棒性。