共查询到15条相似文献,搜索用时 78 毫秒
1.
在分析故障电弧特征的基础上,利用Matlab对故障电弧波形进行3次B样条小波分解。经分析得m,可利用第4尺度下的细节分量最大值作为判断故障电弧发生的依据。在实物设计中,以dsPIC为核心搭建了电弧电流采样硬件电路、继电器控制硬件电路,编写Mallat小波分解算法程序、故障判断程序等,设计了一个基于dsPIC的电弧故障检测系统。最后,搭建了串联电弧故障模拟试验电路,并以电水壶为典型负裁对系统的功能进行测试。通过试验,验证了系统对于电弧故障识别的有效性。 相似文献
2.
3.
4.
5.
6.
针对现有电弧故障检测装置精准度低、实时性不足以及高负载持续运行等问题,提出基于卷积神经网络(convolutional neural networks,CNN)与特征周期变化率的故障电弧检测算法,该算法分为上电和过程两种检测模式。上电模式采用多特征量导入CNN进行检测,过程模式提出电流的不同状态特征值周期变化率的概念,并把特征值变化率进行分区,联合神经网络进行递进检测,在保证准确率的同时降低算法复杂度。该算法以STM32H743为处理器,搭配调理、数据采集等电路形成实时电弧故障诊断系统。经过实验测试,本装置对交流故障电弧检测平均正确率达到97.43%,最快检测时间低至0.045 s,可为电弧故障检测装置的研制提供理论支撑和可靠参考。 相似文献
7.
基于电弧电流特征的故障电弧检测方法存在信息源单一的不足,容易引起保护误动作和拒动作。针对该问题,文中以电弧辐射的电场和磁场信号以及电弧电流作为检测信号,提出一种基于神经网络和D-S证据理论的故障电弧检测方法。首先,采用模极大值方法提取不同负载下电弧电磁辐射信号特征量,并用波形相似法提取电弧电流信号特征量;其次,利用BP神经网络构建各个特征量与电弧故障之间的映射关系,得到单个特征量的故障电弧识别率;最后,以该识别率作为D-S证据理论的输入,实现决策级多特征信息融合。在典型负载情况下的试验结果表明,该方法能有效提高故障电弧检测的准确率。 相似文献
8.
航空电缆在振动作用下很容易产生电连接器松动、线束断裂等情况,从而引起交流电弧故障。针对交流串联电弧故 障时频域特征不明显而引起的故障检测问题,提出了一种基于广义基尼指数(generalized Gini indices,GGI)和脉冲神经网络 (spiking neural network,SNN)的电弧故障检测方法。首先,提出用广义基尼指数对试验数据电流波形进行分析;其次判断正 常周期和故障周期下的数值差距,然后与时域特征指标裕度、峭度、脉冲因子相比,所提指数对电流波形周期故障判断更准 确;最后,将广义基尼指数转变成特征值,代入到积分泄漏发放(leaky integrate-and-fire,LIF)模型进行训练,进一步提高方法 的普适性。试验结果表明,该方法能够快速有效地检测航空交流串联电弧故障。 相似文献
9.
串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。 根据低压串
联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。 针对串联电弧故
障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映
射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。 之后,为了不增加时间开销,同时改善模型的识别效能,使
用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。 最后,利用容器封装
已训练好的故障识别模型,实现故障信息的快速分析。 验证表明,所提方法对串联电弧故障的识别率达到 99. 95%,具有良好的
识别效果。 相似文献
10.
11.
12.
基于小波神经网络的传感器故障诊断方法研究 总被引:10,自引:0,他引:10
详细阐述了小波神经网络的结构、原理,在分析智能大厦中空调机组传感器主要故障的基础上,提出了基于小波神经网络的诊断方案.MATLAB仿真和模拟实验结果表明,在相同的条件下,小波神经网络在解决传感器故障检测、分离和补偿问题上优于传统的BP网络. 相似文献
13.
提出一种基于神经网络的机器人故障检测系统结构,给出在线学习逼近机器人标称模型的故障检测方法。控制系统可运行于两种工作模式:系统正常时,采用常规计算力矩控制器;有故障发生时,引入补偿控制来削弱故障影响,保障系统的正常运行。对机器人的仿真控制结果表明,设计的控制策略在机器人发生故障时,不仅能够继续完成预定工作任务而且还保证了跟踪精度,表明了该方案的有效性。 相似文献
14.