基于改进型小波神经网络的灭火系统故障诊断

在装甲车辆灭火系统故障诊断中,小波神经网络算法能将故障诊断定位到元件级,但各元件存在容差,导致参数变化的连续性和随机性使得诊断率不高。为了提高小波神经网络算法在灭火系统中的诊断率,针对网络在运行过程中存在着收敛效果差、训练误差大及容易陷入局部极小值的缺点,网络无法继续训练和测试,提出一种以增加动量的小波自适应神经网络的改进型算法,可以使网络运行更稳定,学习速率更快。经MATLAB仿真实验表明改进后的算法诊断率远高于普通算法。     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

基于SOM网的风电变流器故障诊断

我国新疆、甘肃、宁夏、内蒙、浙江、黑龙江、江苏、广东等都在大规模建设风电场,这些风电场建成后,其故障维护就有了很大市场。以新疆风电场为基础,尝试开发用于风力机故障智能诊断的系统。首先介绍了风力机及其变频器系统的结构,分析了变频器的故障机理。使用SOM神经网络对风机变流器进行了诊断,用数据验证了诊断结果。把传统的电力电子设备故障诊断技术与新疆风力机变频器的故障诊断相结合,为风电大面积推广应用产生了积极作用。     

基于小波和神经网络的导弹故障诊断方法

在导弹试验过程中,及时进行故障诊断是保障试验安全的关键,故障诊断的方法一般是采用分析提取到的特征数据,来预判导弹飞行的预期效果和发生故障的概率.在分析过程中需要处理来至多只传感器的测量数据,而其特征向量维数较多,一般的数据处理方法不能满足要求.因此,提出了1种利用小波包分析辅以人工神经网络分析处理的故障诊断方法,实现了...     

基于双线性观测器的双馈风电机组变流器功率管开路故障诊断

针对双馈风电机组变流器的开路故障,提出一种基于双线性观测器的故障诊断方法。从双馈感应发电机和变流器的数学模型出发,根据模型的非线性特点,推导双馈风电机组变流系统的双线性模型,并构造出变流系统的双线性电流观测器。通过电流观测器得到变流器的电流残差信息,并据此对变流器进行故障检测,然后利用电流平均值定位出具体故障器件。考虑到功率管开关延时、死区时间及测量噪声的影响,设计自适应阈值进行故障判断,保证了诊断的鲁棒性。通过不同故障类型和电网电压跌落的仿真分析,验证了所提开路故障诊断方法的有效性和可靠性。     

基于小波分析和随机森林算法的变流器电路故障诊断研究

针对变流器电路中电力电子器件的故障特性,利用小波分析对采集的数据进行去噪,运用随机森林算法对变流器电路故障类别进行诊断,并与单一随机森林故障诊断方法进行对比。仿真与实验结果分析表明,提出的方法在变流器故障诊断中具有较强的抗噪能力和较高的正确诊断率,尤其在干扰噪声较大时效果明显,在实际工程解决变流器电路故障诊断问题上具有良好的实用价值。     

基于小波和神经网络的齿轮箱故障诊断

本文对齿轮箱故障诊断特点和方法进行分析,并举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。     

基于小波神经网络的传感器故障诊断方法研究

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.     

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。     

风电变流器的开路故障诊断

分析了功率开关开路故障对双馈风力发电机的电流和其他变量的影响,提出了一种基于电流信号平均值的开路故障诊断方法,该方法适用于双馈风力发电系统双脉宽调制（PWM）变流器中单个或两个功率开关的开路故障诊断。针对诊断系统容易在同步速或同步速附近发生误报的情况,提出了一种新的误报抑制策略,即分别在亚同步和超同步速下,通过改变采样数据在存储器中的存储方向来消除因为电流波形在同步速附近的对称关系引起的误报。仿真结果表明,该方法不仅能完全消除误报,而且能快速准确地诊断出开路故障的位置和类型。     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。     

用小波分析来判定风力发电中电力电子的故障

随着风能资源的利用水平不断提高,风力发电系统中的电力电子装置使用也越来越多,其工作可靠性要求也越来越高。风力发电装置多位于野外,不可能让运行人员长期守在风机就地监视。为减轻检修人员的工作负担,对风机运行中远方检测到的大量数据进行快速而有效的可视化分析及故障状态粗略判断,文章引入了一种用小波变换来对数据进行快速分析诊断故障的方法。通过该方法能够很好的根据实时数据判断风机电力电子装置的故障。     

基于小波包变换和神经网络的逆变器故障诊断

本文提出了一种基于小波包变换和神经网络的PWM逆变器故障诊断方法。利用小波包分解的分频特性对逆变器机侧电流信号进行小波包分解,求得故障特征频率相应子频带的信号能量值,将此作为神经网络的输入,通过对神经网络的训练,确定网络参数,对故障数据的分析,达到故障诊断的目的。仿真结果表明该方法的有效性。     

基于小波神经网络的风力发电机故障诊断

针对风力发电机是一个复杂的时变非线性系统难以提取有效故障特征的问题,首次提出一种优化的局部判别基(LDB)算法结合SOM-BP混合网络进行故障诊断与定位的新方法.首先利用改进的LDB算法提取初始的故障特征,为进一步提高类间可分离度,将这个初始的故障特征通过自组织特征映射(SOM)网络映射到一个类别可分性更高的特征空间,最后利用反向传播(BP)网络根据映射后的特征实现非线性分类,完成故障诊断与定位.     

基于BP神经网络的风电功率预澳

风具有易变性、随机性等特点,风电并网之后,可能引起运行和可靠性的问题。如果能够提前对风电功率进行准确的预测,则有利于及时调整调度计划,保证电能质量,减少系统备用容量,获得更多的经济效益和社会效益。本文介绍了这一领域的研究现状,采用了BP人工神经网络的方法,利用风速的历史数据,建立模型进行风电功率预测,仿真结果表明该方案的有效性。     

小波神经网络在三相桥式全控整流装置故障诊断中的应用

本文在自行研制的三相桥式全控整流装置的基础上,引入小波分析与神经网络的手段对实验装置进行特征向量的提取和故障模式的识别,为实验装置设计一个故障智能诊断系统,以实现对装置故障的快速、准确诊断。     

自适应小波分类网络在充油电力设备故障识别中的应用

本文针对电力设备故障诊断的特点,提出了一种用于高维数据分析的小波分类网络（ＷａｖｅｌｅｔＣｌａｓｓｉｆｉｃａｔｉｏｎＮｅｔｗｏｒｋ,简称ＷＣＮ）,并结合具体应用研究了提高网络推广能力和抗噪性能的方法。实例检验结果证明了该网络应用的有效性。     

基于BP神经网络的电力变压器故障诊断

介绍了基于BP神经网络的电力变压器的故障诊断方法,并给出了实例.     

基于神经网络的HVDC系统故障诊断

HVDC(高压直流输电)系统对运行时的稳定性要求比较严格,出现故障时要求能及时分辨故障类型并快速恢复。鉴于神经网络具有很强的非线性分类能力,该文研究了多种不同结构的神经网络在HVDC系统故障诊断中的应用,并对其诊断性能进行了分析。仿真结果表明,神经网络能够很好的完成HVDC系统的故障诊断。     

基于神经网络的风力发电机变频器故障诊断研究

为了准确分辨风力发电机变频器故障类型,针对直驱式风力发电机变频器,给出了一种基于神经网络的风力发电机变频器故障诊断方法。分析了直驱式风力发电机变频器的结构、故障原理和故障类型,得到了一系列不同故障状态下直驱式风力发电机的输出电压波形变化情况,并对设计好的BP神经网络进行训练和测试,基于单纯神经网络训练时间长、预测结果不太理想等因素考虑,尝试采用遗传算法优化神经网络权值、阀值参数。仿真结果表明优化后的神经网络训练时间更短,且有更高的预测精度。