无刷励磁同步发电机旋转整流器故障的模糊神经网络诊断

模糊神经网络是模糊逻辑与神经网络相结合而构成的,具备模糊技术和神经网络技术的优点,应用于电力系统故障诊断中,是一种使用方便的人工智能处理系统.基于模糊神经网络对无刷励磁同步发电机旋转整流器故障诊断进行研究.经过训练后的模糊神经网络,在对旋转整流器故障进行诊断时,有较高的准确性和有效性.     

基于小波神经网络的无刷同步发电机旋转整流器故障诊断研究

无刷励磁系统中旋转整流器因工作环境恶劣,发生故障时故障信息难以提取,因而故障诊断一直是一个难点,成为制约该励磁方式发展的障碍之一.针对大型无刷汽轮发电机故障诊断需要,提出应用小波神经网络对旋转整流器故障进行诊断,通过对旋转整流器的故障信号的频谱分析,提取故障信息频域特征量作为学习样本,通过训练使构建的小波神经网络能够准确反映频谱特征量和故障之间的映射关系,从而准确对故障进行诊断.提出了比较精确的数学模型,提高了旋转整流器故障的诊断能力和诊断的准确性.     

大型旋转机械故障诊断两种新方法——模糊故障诊断和神经网络故障诊断法

针对大型旋转机械的故障诊断,概括介绍模糊故障诊断和神经网络故障诊断两种方法,重点讨论两种方法的优缺点,并进行了简单的比较,对解决大型旋转机械故障诊断问题具有一定的实用价值。     

基于免疫算法的无刷励磁发电机旋转整流器故障诊断

在大型发电机的无刷励磁系统中,旋转整流器承受着强大的离心力和电磁作用,故障发生率相对较高。采用旋转整流器故障时交流励磁机旋转电枢产生的谐波磁场在其定子励磁线圈中感应谐波电势的电磁特性,从中提取旋转整流器故障信号波形。运用傅里叶分解故障信号波形,对故障信号波形的特征值进行编码处理,并用免疫算法中的反向选择算法对傅里叶分解后的故障特征值进行计算,完成旋转整流器的故障诊断。利用人工免疫的反向选择算法,对一台15 kW无刷励磁同步发电机旋转整流器的短路与开路故障进行仿真诊断。仿真结果表明,基于免疫系统反向选择机制的人工免疫算法,与傅里叶分解算法相结合,进一步提高了无刷励磁同步发电机旋转整流器故障诊断的准确率,可达95%以上。     

基于模糊神经网络的同步发电机转子匝间短路预测

模糊神经网络是模糊逻辑与神经网络相结合而构成的，具备了模糊技术和神经网络技术的优点，从而被应用于电力系统故障诊断中，是一种使用方便的处理系统，基于模糊神经网络对同步发电机转子匝间短路故障预测进行研究，经过训练后的模糊神经网络，在对发电机转子匝间短路故障进行预测时，有较高的准确性和有效性。     

基于谐波分析的旋转整流器故障检测

通过MATLAB建立了无刷励磁系统的模型,并进行了仿真。利用发电机故障模拟平台对旋转整流器早期故障进行了试验研究。通过仿真和试验的对比分析,提出了一种基于谐波分析的旋转整流器在线故障检测新方法。该方法不仅能够判断是否发生故障,还能够辨别故障类型,为旋转整流器的故障诊断研究提供了新思路。     

基于谐波分析的旋转整流器故障检测

通过MATLAB建立了无刷励磁系统的模型,并进行了仿真。利用发电机故障模拟平台对旋转整流器早期故障进行了试验研究。通过仿真和试验的对比分析,提出了一种基于谐波分析的旋转整流器在线故障检测新方法。该方法不仅能够判断是否发生故障,还能够辨别故障类型,为旋转整流器的故障诊断研究提供了新思路。     

基于神经网络的三相整流电路故障诊断策略研究

电力电子设备已经在工业生产和日常生活中进行了大规模应用,电力电子整流器作为电力电子设备的重要组成部分,其内部电子元器件的状态会影响到电力电子设备的运行可靠性.因此对电力电子电路的故障诊断技术展开深入研究意义重大.提出了基于神经网络技术的三相整流电路故障诊断策略,单独的神经网络技术存在一定的缺陷,无法实现故障的精确诊断,...     

基于模糊神经网络的分段式直线电机提升系统的故障诊断

针对分段式直线提升系统的特点,应用基于模糊神经网络的故障诊断方法,将模糊逻辑与神经网络融合在一起,实现了对这一复杂系统的故障诊断。侧重介绍了模糊神经网络的结构和学习方法,并利用这些原理对直线电机本体进行故障诊断。仿真结果表明,该方法是有效的。     

基于深度学习的发电机整流器诊断系统研究

基于深度置信网络技术,使用C++编程语言设计了发电机旋转整流器故障诊断平台,实现了对故障信号特征的提取与分类。选择三级式发电机进行了实验验证,结果表明,该设计具有良好的故障诊断效果。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

基于自组织模糊神经网络的汽轮发电机组振动故障诊断系统

针对目前汽轮发电机组振动故障的模糊诊断系统精度较低的问题,将模糊理论与神经网络技术结合,构造了适合于大型复杂系统故障诊断的自组织模糊神经网络系统的体系结构.在此基础上,提出了一种新型的样本模糊自组织方式,利用快速傅里叶变换(FFT)分析方法和图形分析法提取足够多的故障征兆,再采用聚焦式模糊分段算法对故障征兆进行模糊化处理,然后建立合理的训练样本库,并将经过确认的故障数据增加到标准案例库中,以提高整个系统的诊断能力.其中,聚焦式模糊分段算法对故障征兆中正常与不正常的转折部分进行非线性聚焦,即离正常与不正常的分界值越近时,故障征兆的特征抽取密度越大,使得原来模糊的分界部分被清晰化,大大提高了诊断精度.最后,以108DAI专用检测系统作为硬件支持,设计和实现了600 MW汽轮发电机组常见振动故障的模糊诊断系统,并利用现场故障数据验证了该系统的有效性.     

基于级联阈值决策的变压器故障模糊诊断法

为了解决最大隶属度原则不宜诊断多故障、阈值原则漏诊率和误诊率较高的问题,在提出级联阈值判断原则后构成了级联阈值决策的加权模糊识别法。该法研究各特征气体组分比值在变压器故障诊断中的不同地位,确定加权系数矩阵,并用统计法估计单故障现象的故障隶属度,得到评判矩阵。通过评判矩阵和级联法值判断原则诊断变压器故障,不但诊断单种变压器故障正确率较高,且诊断多种故障同时存在的变压器故障效果也较理想。     

不同负荷下高加给水系统程度迥异故障诊断的新方法

在深入研究高加系统故障特征规律的基础上,提出一种结合最大故障分离度为目标的征兆寻优技术和神经网络,适用于不同负荷下高加给水系统程度迥异故障诊断的新方法。仿真诊断结果表明:在系统拓扑结构基本不变的前提下,该方法对不同负荷下程度迥异的高加故障均可得到具有高故障分离度的正确诊断结果,并可通过最优缩放倍率大致判断故障程度。该方法应用于高加故障诊断可大大减少神经网络训练样本的数量,增强故障诊断系统对不同负荷下程度迥异故障的诊断能力,改善系统现场应用效果。     

基于模糊神经网络的凝汽器故障诊断研究

采用模糊神经网络进行凝汽器的故障诊断。根据某电厂的运行规程及运行经验构造了进行凝汽器故障诊断所需的全部17个隶属函数,利用这些隶属函数可以对各个输入进行模糊化处理,使之成为量化输入。对模糊BP网络进行训练,可以得到模糊BP网络的知识库结构。在此基础上,对一个凝汽器实际故障进行了诊断,得出了令人满意的结果。     

凝汽设备模糊神经网络故障类别诊断模型

火电厂汽轮机凝汽设备故障较多，且故障原因复杂。在对凝汽设备故障类别详细分析的基础上，建立了基于模糊神经网络的凝汽器故障类别诊断模型。该模型结合了模糊逻辑与人工神经网络(ANN)的优点，采用了先进的批处理自适应变尺度优化学习算法(MDFP)，减少了计算工作量，使故障诊断迅速，准确。仿真试验表明，模型故障类别诊断效果良好。     

基于模糊TOPSIS和BP网络的电力变压器故障诊断方法

针对传统故障诊断技术中存在诊断模型结构复杂以及收集故障样本数据非常繁琐的问题,将TOPSIS方法在Vague集下进行扩展。介绍了Vague集的基本概念及其相似度量方法,以及使用Vague集表达的语义变量集,并据此对原始样本集进行优劣排序和聚类,从而缩减了样本集的容量,使得故障特征信息量和映射空间复杂度的问题在一定程度上得以平衡。在此基础上构建了适应于变压器故障诊断的BP网络诊断模型,实现对不同类型故障的诊断。算例分析表明,此方法与传统的变压器故障诊断的方法相比较具有明显的优越性。     

基于离散BAM网络的汽轮发电机组振动故障诊断的应用研究

本文针对常规频谱诊断方法的不足,详细论述了离散的BAM网络及其特性.进而讨论了汽轮发电机组常见典型振动故障的变化特征及其数字化描述方法,建立了基于BAM算法的神经网络的汽轮发电机组振动故障诊断模型,对实际机组故障进行了诊断,效果良好.通过分析,提出BAM网络在故障诊断领域中有广阔的应用前景.     

三种变压器故障诊断方法比较研究

变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。     

基于智能信息融合的模拟电路故障定位方法

针对模拟电路故障诊断中存在的测试信息不足、故障定位准确性较低等问题,提出了一种应用智能信息融合技术的模拟电路故障定位方法.该法首先分别采用可测点工作电压及不同测试频率下的电路增益,各用一个独立的神经网络依据改进的BP算法对电路实施初级诊断;然后根据初级诊断结果,运用模糊融合诊断方法进行故障定位.所提方法能充分利用故障信息,对模拟电路的软故障与多故障均可进行诊断,故障定位准确率高.