基于粒子群算法的轨道电路补偿电容故障诊断方法

为了延长轨道电路传输距离,改善传输效果。本文提出一种机车信号感应电压幅值包络仿真模型,它是基于均匀传输线理论,通过补偿电容对机车信号感应电压幅值包络的影响规律,使用改进粒子群算法得到当前状态下补偿电容的最优值,进而对补偿电容的故障进行诊断。仿真结果表明,这种诊断方法是可行和有效的,能快速准确地定位故障补偿电容,替补偿电容的故障诊断提供了新的有效手段。     

基于CEEMD特征提取的无绝缘轨道电路补偿电容故障诊断

利用电路网络理论和传输线理论构建ZPW-2000A轨道电路传输模型,仿真并分析了补偿电容故障对轨面电压的影响,提出基于互补的总体经验模式分解(CEEMD)特征提取的补偿电容故障诊断方法;实验结果表明,相比于传统经验模式分解(EMD)和总体经验模式分解(EEMD),基于CEEMD特征提取的补偿电容故障诊断方法可以有效地克服EMD方法引起的模态混叠和能量泄露现象,减少EEMD方法在信号重构过程中的白噪声残留,为补偿电容的故障诊断提供了一种快速准确的方法,为保证信号传输质量提供了参考依据。     

基于广义S变换的时频滤波技术研究

针对S变换的滤波方法受到窗函数固定的限制,对信号的滤波不能达到良好效果,广义S变换时频滤波克服了传统S变换滤波因子不能随时间、频率变化而变化的缺陷。将信号用广义S变换方法变换到时频域,对不同时间内不同频率的噪声部分冲零,再将去噪后的信号利用广义S反变换到时间域,获得所需要的有效信号。通过理论计算和信号模型仿真表明,广义S变换时频滤波方法能够较为精确的分析数据的时间和频率特征,有效滤除不同时段不同频率的噪声,可以最大化的保留原始信息。该方法具有较高的实用性和灵活性。     

基于广义S变换的地震高分辨率分析

Stockwell等人提出的S变换虽然与Fourier谱能保持直接联系,但是S变换中的基本小波不适用于地震资料处理,通过对S变换加以推广得到广义S变换。本文研究广义S变换在地震高分辨处理中的应用,并利用广义S变换进行地震高分辨率剖面处理。仿真实验和实际资料的处理对比结果均表明广义S变换在地震高分辨处理方面的可行性和有效性。     

铁路轨道电路补偿电容故障定位的仿真研究

研究优化测试补偿电容故障,保证信号传输安全,由于补偿电容易受环境,天气、浪涌电压等因素影响,经常发生故障,常规的检查补偿电容故障的方法耗时长且劳动强度大.为了更加快速准确地定位故障补偿电容,提出了一种新的故障定位方法,即基于均匀传输线理论,运用补偿电容四端网级联结构的无绝缘轨道电路模型,重点仿真研究了不同位置的补偿电容分别发生故障时,分路电流和从输入端看往接收端输入电阻受到影响的规律特征.仿真结果表明,故障定位方法快速准确,为及时发现和定位补偿电容故障,保证信号传输安全提供了参考依据.     

广义S变换鉴别电力变压器励磁涌流特征量的仿真研究

针对电力变压器励磁涌流所引起的变压器差动保护误动作,采用广义S变换,将变压器内部故障电流和励磁涌流从时域关系转换到频域关系。根据幅值和频率结合信息熵的概念,总结出频率信息熵和幅值信息熵两个参考指标。仿真结果验证,在电流互感器饱状态下通过频率信息熵和幅值信息熵的阈值,可准确区分变压器的内部故障电流和励磁涌流,避免变压器差动保护误动作。该研究表明了S变换在励磁涌流特征量鉴别中的有效性。     

广义S变换在移频信号检测中的应用

目前,对于铁路移频信号的检测主要采用短时傅立叶变换、小波变换、Wigner-Ville分布以及广义S变换等时频分析方法,以上方法都存在一定的局限和不足。针对以上各种方法所存在的问题,在原广义S变换的基础上对其窗函数进行改进,简化算法的复杂性。将改进算法用于铁路移频信号的检测中,可以克服常规时频分析方法存在的不足,从而准确地检测出移频信号的各个频率特征,明显地降低检测误差。改进算法对进一步研究移频信号检测方法及研制高精度的移频信号检测器具有重要的指导意义。     

基于S变换的图像边缘检测算法研究

针对边缘检测中存在的噪声敏感性问题,提出了一种基于S变换的改进型边缘检测算法。S变换是一种时频分析工具,它能够很好地检测信号的奇异性和非正则性,而在图像中,图像灰度的奇异性代表着图像的边缘。通过将S变换后相邻频率的系数进行乘积可以有效地抑制噪声,增强边缘,采用一个阈值计算方法对相乘后的S变换系数进行阈值滤波,整合来自两个正交方向的边缘得到最终的图像边缘。实验结果证实了该算法的有效性。     

时频聚集性能优化的广义S变换

S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度.为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能.     

基于小波变换的小电流接地故障检测技术研究

文章介绍了小电流接地故障检测技术,并将小波变换用于信号突变点的检测,使得小电流接地故障检测更加准确、可靠.     

基于故障可诊性与遗传算法的模拟电路测试激励优化方法*

测试激励的选择影响电路故障诊断的精度。对待测电路进行十倍频程AC Sweep分析来确定正弦测试信号的频率优化范围,基于电路幅频响应中离散频点相应的电压有效值来计算各故障特征数据类内类间离散度,统计多频测试信号敏感度因子大小,并以此为目标函数利用遗传算法实现测试信号中频率参数优化。以双带通滤波电路为例进行了仿真验证,实验结果表明该方法优化出的测试激励信号能有效降低电路故障响应特征分布模糊性,提高了故障诊断率。     

基于数字孪生的Buck电路故障诊断方法

针对Buck电路故障诊断方法存在计算量大和准确率低等问题,提出了一种基于数字孪生的Buck电路故障诊断方法。首先,通过Matlab/Simulink软件平台建立Buck电路的数字孪生模型,并根据Buck电路元器件标称值设置数字孪生模型初始参数;然后,将采集的Buck电路输出电压信号及运行状态映射到数字孪生模型中,根据数字孪生模型与Buck电路的输出电压建立目标函数,并利用Levenberg-Marquart算法迭代优化目标函数,实现数字孪生模型的更新,最终实现Buck电路元器件参数估计;最后,比较数字孪生模型得到的参数估计值与Buck电路元器件标称值,若二者之差超过标称值20%,表明元器件失效,从而实现Buck电路故障诊断。实验结果表明,该方法对Buck电路元器件参数具有较高的估计精度与诊断可靠性。     

基于DCQGA-SMKL-SVM的模拟电路故障诊断方法

提出了双链量子遗传算法(DCQGA)优化简单多核支持向量机(SMKL SVM)的模拟电路故障诊断方法。首先,提取测试电路时域响应信号,用Harr小波对响应信号进行变换并归一化处理,得到特征参数;其次,用双链量子遗传算法优化SMKL SVM的参数,以此建立起DCQGA SMKL SVM故障诊断模型,用于模拟电路故障诊断。双二次滤波器电路与四运放二阶高通滤波器电路作为仿真测试电路,仿真测试结果表明,提出的故障诊断方法实现了模拟电路故障诊断,相比于DCQGA SVM模拟电路故障诊断方法,诊断正确率更高。     

基于电流信息的CMOS SRAM存储单元故障测试

针对深亚微米技术,提出了差分静态电流技术和动态电流技术相结合的方法对CMOS SRAM存储单元进行故障诊断,针对该方法改进了0-1算法。改进的0-1算法与传统的March算法相比,明显降低了测试开销。以四单元存储器为诊断实例,针对桥接故障、开路故障与耦合故障,实现了100%故障诊断覆盖率。实验结果证明了新方法具有故障覆盖率高的特点,能够诊断传统逻辑测试法难以探测的部分故障。     

基于遗传算法的机械设备故障检测机器人设计

当前故障检测机器人受到超声波影响故障检测存在精准度低的问题,据此提出了基于遗传算法的机械设备故障检测机器人设计。采用AD500-1A型号传感器采集机械设备内外部数据信息,使用等效转换电路使机器人实时感知周围环境变化信息,并利用灵敏度高电子仪器实现机器人传感工作;使用2路200万数字网络高清摄像头,监视整个机械设备,获取机器人结构通信、管理和运动信息;将proGee0813型号芯片作为导航设备定位芯片,根据实际需求获取信号指令,并选定机器人行驶路径;通过Unity与UE4引擎虚拟现实硬件交互设备进行故障定位追踪;利用关节装置连接车轮前臂和上臂,实现不同磁铁吸附与脱离,依据机器人结构,完成机器人硬件结构设计。采用遗传算法确定导航适应度函数,通过机器人视频采集信息,设计预警功能,并利用机器人即时生成设备故障图像,依据实现流程,在超声避障功能支持下,完成机械设备故障检测。由实验结果可知,该机器人检测精准度最高可达到0.96,提高了机器人检测鲁棒性。     

基于广义主成分分析的重构故障子空间建模方法

在线故障诊断是工业过程中十分重要的问题.相比传统贡献图而言,基于重构的故障诊断受到特别关注.传统的主元分析方法没有考虑故障数据中同时包含正常工况信息和故障信息,因而提取出故障子空间对故障的描述准确性不足.为提高故障子空间的准确性,提出一种基于广义主成分分析的重构故障子空间建模方法.首先,同时考虑正常工况数据和故障数据,...     

基于机器学习方法的直流电弧故障检测

为了解决传统分析方法在直流供电系统中电弧故障检测的精确度不足及过程繁琐的问题,将直流电弧故障检测归为二分类问题,引入机器学习方法,通过直流电弧实验得到正常状态和电弧状态的数据,从时域中提取电流均值等4个特征,从频域中提取高频分量标准差等3个特征.利用提取到的特征对支持向量机(SVM)进行训练,利用求解得到的模型对测试数据集进行分类,分类准确率为94.483%.结果证明:所提方法能有效检测直流电弧故障,提高故障检测精度,且步骤精简,易于推广.     

基于MSP430的轨道电路在线测试仪设计与实现

针对UM71无绝缘轨道电路中补偿电容的测量,设计了一种基于超低功耗单片机MSP430的补偿电容以及铁路信号频率测量的便携式测试仪。     

基于DAGSVC的模拟电路故障字典法

针对模拟电路的故障诊断和支持向量机分类器的设计问题,讨论了一种基于有向无环图支持向量机分类器(DAGSVC)的故障字典新方法,并比较了几种支持向量机故障分类器的平均测试复杂度指标.通过对2个实际模拟滤波器的实际测试和验证表明:该方法性能要优于"1-v-r"SVC,"1-v-1"SVC等常规的故障分类器,并和聚类二叉树S...     

基于故障传播的模块化BP神经网络电路故障诊断

大规模的数模混合电路所含故障模式众多,电路故障状态复杂,且易发生传播,因而电路故障诊断难度较大。针对大规模电路发生故障时存在故障传播的问题,提出一种基于故障传播的模块化BP神经网络（MBPFP）故障诊断方法。首先,在电路模块划分的基础上分析子电路间的故障传播,并将故障源和故障传播源"模块化";然后,通过子电路的异常检测模型进行一级定位,缩小故障原因集合,确定故障模块;最后,利用目标模块的BP神经网络模型进行二级定位,实现故障诊断并识别故障模式。与传统BP神经网络等方法进行比较的实验结果表明,MBPFP故障诊断方法具有较高的故障覆盖率,在定位准确率方面提高了至少8个百分点,其性能优于传统BP神经网络等方法。