基于在线监测的雷电流识别方法及其应用

对于输电线路的雷击过电压在线监测装置,快速准确地识别雷电流信号至关重要,目前不论是硬件触发还是软件触发都存在误触发和漏触发等触发问题,而且目前的监测系统在经济性和便捷性方面存在明显弊端。本文提出一种基于嵌入式的雷击在线监测系统,可以实现对输电线路高效便捷的实时监测,极大的提高雷击监测装置的便捷性和经济性。同时提出先检测后识别的触发算法准确识别雷击电流暂态信号,首先通过幅值差的方法快速检测雷电流信号(不良数据),然后通过周期作差的方法准确识别不良数据,通过分析实验,证明该方法可以减少监测系统的误触发和漏触发次数。并且通过实验室测试,证明该监测系统的采集精度为98.49%,满足实时监测的需求,为输电线路在线监测提供一种经济便捷的监测系统。     

基于冲击能量大小的冲击力位置识别方法

冲击力识别的一个重要课题就是冲击力点位置的识别。准确地识别冲击载荷位置有助于确定结构的损伤范围,从而加速对其重点部位的健康监测。虽然截止到目前已经有一些冲击力识别的技术,但是这些方法有的需要大量的训练数据,有的需要大量的计算,还有的方法对边界条件非常敏感。本文通过建立冲击力和冲击响应之间的关系,获得压电信号与能量大小之间的关系。通过能量的信息获得冲击力的力点和冲击能量,从而轻松的实现了对力点的定位。该方法可以实现任意冲击力在任意位置的识别,最后的仿真结果很好的证明了该方法是一个简单、有效的计算方法。     

基于AQSSE方法的结构刚度系数识别仿真研究

结构损伤识别是结构健康监测的一个重要项目。近年来,基于结构振动实测数据的系统辨识和损伤识别技术得到了广泛深入的研究。通常情况下,结构损伤可以透过结构物理参数的改变来预知,比如刚度的骤变。采用自适应二次误差平方和(adaptive quadratic sum squares error,AQSSE)方法识别结构参数的变化并由此判断结构的损伤。在该方法中,运动状态方程被视为一种约束并用来直接估计未知的参数,最终得到未知参数的解析递归解。同时为了确定时变结构系统的参数,使用了最新的追踪技术以便在线追踪结构的参数变化。针对非线性迟滞结构和平面薄壁结构的仿真结果表明该方法具有较强的追踪能力,能较好地识别时变结构的参数,并由此检测结构的损伤,包括损伤发生的时刻以及损伤的位置和程度。上述结论证明了该方法用于结构损伤识别是可行且有效的。     

基于HHT的抗CT饱和变压器故障识别新方法

针对电流互感器(CT)饱和影响变压器差动保护准确性和速动性的问题,提出一种基于希尔伯特黄变换(HHT)的抗CT饱和变压器故障识别新方法。该方法依据CT饱和情况下变压器区外故障电流的波形存在突变点,而区内故障电流的波形是连续的这一特点。首先将信号进行经验模态分解得到一组不同特征尺度的本征模态函数,其次对最先分解出的本征模态函数进行Hilbert变换得到瞬时频率,瞬时频率的突变点反映出电流信号的突变,根据实时监测瞬时频率两个相邻突变点之间的时间间隔可以实现对变压器区内故障、区外故障以及由区外故障转换到区内的转换性故障的准确识别。仿真实验表明,该方法能在12 ms内快速准确地识别出CT饱和情况下的变压器的各种故障。此外,该方法还能闭锁励磁涌流。     

基于弹性导波理论的电机主绝缘结构的健康监测研究

为了能够准确地对电机主绝缘结构进行健康监测,研究了弹性导波理论在其中的应用,分析了弹性导波的基本理论,建立了电机主绝缘结构的健康监测的数学模型,设计了基于弹性导波理论的电机主绝缘结构的健康监测算法。最后,进行了电机主绝缘结构的健康监测实验研究,通过对实验采集数据的处理,最终对三种不同损伤程度的电机主绝缘结构进行了健康监测,结果表明该监测方法具有较高的监测准确度。     

基于 Lamb 波能量和飞行时间的碳纤维复合材料 疲劳损伤成像

碳纤维复合材料被广泛应用于航空航天等高新技术领域,其在服役过程中会产生疲劳损伤,埋下安全隐患,因此需要对其健康状况进行监测,利用损伤概率成像算法能够得到直观反映结构健康状况的图像,但传统的损伤概率成像算法在无损伤区域的损伤概率高,难以准确定位损伤,针对以上问题,提出基于Lamb波能量和飞行时间的损伤概率成像算法。将待测区域均匀划分成N个像素点,计算每条通道的Lamb波能量与飞行时间损伤因子,确定各通道损伤因子影响区域的概率值并叠加,得到每个像素点的损伤概率并成像。实验结果表明,与目前常用的基于能量损伤因子和互相关损伤因子的损伤概率成像算法进行对比,提出的方法能够直观地反映碳纤维复合材料缺陷情况,并且识别效果更优,成像误差显著减小,误差error分别降低了4.420、2.117、2.055和4.732、2.380、2.647,能够更准确地识别缺陷,有效地保障碳纤维复合材料结构的安全应用。     

导波技术在输电线路无损监测中的应用

输电线路损伤的定位及类型识别对于保障电力系统安全运行有着重要的意义.提出了基于超声导波的输电线路无损监测方法并进行了实验验证.实验采用磁致伸缩换能器产生和接收超声导波,对钢绞线地线的断股损伤进行了检测研究,通过得到的实验信号可以确定损伤位置,并对损伤信号进行时频分析,研究损伤信号与损伤程度的关系.实验验证了该方法的可行...     

基于相同传播距离路径的兰姆波无基准损伤概率成像

针对兰姆波损伤概率成像需要参考基准的问题,提出了一种基于相同传播距离的兰姆波无基准损伤概率成像算法。 首 先求解每条路径上信号的功率谱密度,然后将相同传播距离路径上的功率谱密度值进行分组,将每组的功率谱密度最大值对应 的路径视为无损路径,并与同组的其他功率谱密度值进行比较,构建损伤指数,最后结合损伤概率成像算法来识别损伤位置。 结果显示,该无基准损伤成像算法对检测区域内多种类型损伤定位成像的相对误差在 6%以内,能够对缺陷进行准确的定位 成像。     

基于键合线压降的IGBT模块内部缺陷监测研究

为了准确地评估出IGBT模块的健康水平,及时发现并更换存在缺陷的IGBT模块,提高功率变流器的可靠性,提出了一种基于键合线压降的IGBT模块内部缺陷诊断方法。通过监测IGBT模块内部单个芯片等效键合线压降的变化,辨识出IGBT模块内键合线的老化状态,进而判断出IGBT模块的健康水平。实验结果表明,基于键合线压降的IGBT模块内部缺陷诊断方法能准确地辨识出模块内键合线的老化过程,与采用监测门极信号辨识模块老化状态的方法相比,所提方法不仅能辨识出单个芯片全部键合线脱落的情况,而且能辨识出部分键合线老化的情况,在辨识精度上有了很大的提高。该方法为确定合适的时机对变流器进行维护、降低系统的维护成本提供了理论依据。     

基于卷积神经网络的风机叶片损伤检测

作为捕获风能的关键部件，风机叶片受制造及运行载荷影响，可能存在不同程度的损伤，这会直接影响风机运行可靠性。为防止风机叶片持续损伤发生质量安全事故，需要开发1种快速简便且非植入安装式的检测方法来识别风机叶片的损伤情况。根据叶片损伤和叶片运行噪声间存在的物理相关性，提出了一种基于声学信号和卷积神经网络（convolutional neural network,CNN）的风机叶片损伤检测方法，将时序声学信号转换成二维频谱图片，结合健康频谱图生成残差频谱图，并通过训练卷积神经网络来识别风机叶片是否存在损伤。分析结果表明：该算法消除了叶轮旋转产生的固有叶片扫风声音对损伤识别的影响，提高了识别精度；以某地风机的实测数据为例进行算法分析，结果表明该算法的分类精度达到了96.9%，验证了基于卷积神经网络的检测方法的有效性和精确性。