矿用干式变压器故障诊断和寿命预测技术现状及展望

干式变压器故障诊断技术通过对监测数据进行分析,能够实现信号特征提取、故障诊断、状态评估和寿命预测,提高干式变压器在井下运行的安全性,降低由于故障带来的损失。文章介绍了信号特征提取方法(频率响应法、小波变换法、堆叠自编码器)、故障诊断方法(贝叶斯网络、支持向量机、BP神经网络)、状态评估和寿命预测方法(交叉熵组合预测法、灰色理论、层次分析法)的研究现状,将几种方法进行对比,并对干式变压器故障诊断技术进行展望。     

油浸式变压器在线检测与故障诊断技术研究

通过对油浸式变压器故障类型及诊断方法进行详细研究,并结合变压器油色谱分析、局部放电检测及温度检测等技术设计了一套电力变压器监测及故障诊断系统。该系统可实现对油浸式变压器的全方位在线检测及故障报警诊断,同时兼顾检测快速性及准确性,有效提高油浸式变压器检测的智能化程度。     

基于改进布谷鸟算法与SVM的矿用变压器故障诊断

矿用变压器主要用于含有易燃气体和煤尘的矿井中,为采煤机、运输车及照明系统提供电源。针对目前矿用变压器故障诊断准确率不高的情况,提出了一种基于改进布谷鸟算法和支持向量机(SVM)的矿用变压器故障诊断方法。首先引入改进的布谷鸟算法对支持向量机参数进行寻优,获得具有最佳参数的支持向量机模型,然后利用支持向量机对变压器故障进行分类来实现变压器故障的诊断,最后,通过算例仿真对所提算法和检测方法进行了验证,Matlab仿真结果表明：利用改进布谷鸟算法和诊断模型得到的矿用变压器故障诊断准确率要高于传统的矿用变压器故障诊断方法。     

电厂干式变压器故障诊断的技术思考

针对煤矿干式变压器监测量单一、无法在发生异常或故障前有效进行预测诊断的问题,本文对干式变压器运行状态监测及故障诊断技术进行研究,总结设计了一套基于DSP控制的干式变压器智能监测及故障诊断系统。系统可对干式变压器电流、温度等主要运行参数进行实时采集,通过上位机对变压器运行状态进行准确评估及故障预测,对于提高干式变压器运行可靠性及寿命具有实际应用价值。     

基于灰色理论的矿用变压器故障诊断方法研究

首先分析了灰色关联分析方法的基本理论,在此基础上提出把灰色关联理论用于变压器的故障诊断,分析了大量故障变压器的油中溶解气体(DGA)数据,并以DGA数据为基础建立了变压器故障诊断灰关联模型,事实证明该方法能很好地诊断并预测变压器的故障类型。     

基于概率神经网络的数控机床滚珠丝杠副的故障诊断研究

采用概率神经网络对数控机床滚珠丝杠副的故障状态进行模式识别。首先对数控机床的故障类型及诊断方法进行了介绍,重点介绍了滚珠丝杠副的故障类型和诊断方法;然后基于概率神经网络在模式识别上的广泛应用,结合MATLAB软件对滚珠丝杠副的工作状态信息进行了模式识别,通过有限样本的网络训练和识别测试,验证了概率神经网络在滚珠丝杠副故障诊断中的准确性和适用性。     

煤矿主变压器故障诊断方法的分析

文章主要针对煤矿主变压器故障类型及相应的诊断方法进行分析,首先对其意义、故障类型进行阐述,其次对故障诊断给出了相应的几种方法,分别是直接观察法、电气试验分析法、油性色谱分析法,并对各自的故障诊断原理进行论述和举例说明,对加强煤矿主变压器的运行维护具有重要的实际作用。     

矿用隔爆型干式变压器故障预警系统设计

为保证矿用隔爆型干式变压器安全连续地运行,以矿用隔爆型干式变压器故障诊断预警系统硬件装置为基础,在LabVIEW平台下开发基于多源信息融合的矿用隔爆型干式变压器故障预警系统软件。实时采集电流、电压、温度及局部放电等矿用隔爆型干式变压器参量作为故障征兆信息,并提取各监测参量的特征量作为故障诊断系统的输入信息;设计基于RBF神经网络的故障诊断模块,综合诊断确定变压器的故障情况;设计故障预警界面,实时显示变压器的故障情况,并对潜在故障进行预警。矿用隔爆型干式变压器故障预警系统在山西晋城无烟煤矿业集团寺河二号井井下安装试运行结果表明,该系统可以实现对矿用隔爆型干式变压器多种潜在故障的在线预警。     

灰色理论在诊断矿用变压器故障中的应用

分析了灰色系统的基本原理,把灰关联理论用以变压器的故障诊断,分析了大量故障变压器的油中溶解气体分析（DGA）数据,并以IECD三比值数据为基础建立了变压器故障诊断参考模式向量,建立了变压器故障诊断灰色关联模型,诊断实例表明灰关联分析法诊断优于IEC三比值法,此法可以作为IEC三比值法的有效补充。     

变量预测模式识别方法在机械故障诊断中的应用——评《机械故障诊断的变量预测模式识别方法》

正如何提高机械运行效率,发挥机械运转实效,成为机械使用的重点。我国学者开展了理论研究与实践研究,对机械故障进行了科学诊断,采用了多元化的故障识别方法。变量预测模式识别方法以变量预测模型为依托,能够定位机械故障位置,分析机械故障问题,提出故障解决方案。变量预测模式识别所提出的理论方法得到了工业企业的印证,得到了学界的广泛认可。我国将变量预测模式识别方法应用在了工程实践当中,收货了事半功倍的预测效果。为了推动工业社会的可持续发展,需要把握变量预测模式识别方法的应用流程,遵循变量预测模式识别方法的应用步骤。《机械故障诊断的变量预测模式识别方法》一书结合理论探讨和实证分析,系统全面地阐述了机械故障诊断的模式识别方法,对比分析了不同的模式识别方法,指出了变量预测模式识别方法的重要作用,探讨了变量预测模式识别方法在机械故障诊断中的应用路径,其立足工程实例,证明了变量预测模式识别方法的应用价值。     

基于机器学习算法的煤矿汽车机械设备故障诊断模型

研究基于机器学习算法的煤矿汽车机械设备故障诊断模型,提升故障诊断抗干扰能力,有效保障煤矿汽车机械设备安全稳定运行。采用判别结构描述功能较强、拥有全局资源描述功能的、基于低秩鉴别投影的特征提取算法,提取衡量煤矿汽车机械设备故障时域特征和时频特征的最优投影矩阵的列向量;设计了墨西哥草帽函数改进ART神经网络学习算法,并逐渐削弱幂函数,改善收敛、聚类效果,将最优投影矩阵的列向量作为改进ART神经网络的输入,经过两阶段学习训练后,实现了对煤矿机械设备的故障诊断。实验结果也验证了该模型的泛化错误少、识别率可达96%,故障诊断精度高且拥有较好的抗噪声能力。     

矿井供电系统串联型故障电弧仿真分析及诊断方法

因接触不良或机械损伤,煤矿供电系统会产生串联型故障电弧,串联型故障电弧是引发煤矿电气火灾的原因之一,目前缺少有效的检测手段,影响了井下的供电安全。井下可能存在瓦斯和煤尘等易燃易爆物质,不宜开展串联型故障电弧实验,无法获得大量故障电弧电流样本,加大了井下串联型故障电弧诊断工作的难度。为研究矿井供电系统串联型故障电弧的典型特征及诊断方法,论文首先在Mayr-Schwarz电弧数学模型的基础上,建立了矿井供电系统串联型故障电弧仿真模型,并结合实验结果对仿真模型的性能进行了评估;然后对矿井供电系统的采煤系统、胶带输送系统、泵房排水系统、照明系统的串联型故障电弧、过电压、单相接地、两相接地短路、两相短路、三相短路电气故障进行仿真分析、特征分析,以电流信号的过零点数、峰峰值、方差、峭度系数、裕度因子、谐波畸变率、单边功率谱频率方差、小波包系数能量熵、小波包系数峰峰值为特征量,建立了矿井供电系统串联型故障电弧特征参数数据库;最后综合比较决策树、K近邻、Bagged trees多分类模式识别方法在故障电弧诊断、选相及抗负载电流波动扰动、抗背景噪声扰动方面的性能,提出了K近邻矿井供电系统串联型故障电弧诊断方法。结果表明,建立的串联型故障电弧仿真模型能够用于仿真分析矿井供电系统串联型故障电弧,所建立的特征参数数据库能够反映矿井供电系统串联型故障电弧的典型特征,提出的K近邻串联型故障电弧诊断方法可用于矿井供电系统串联型故障电弧诊断及选相。     

基于迁移学习的采煤机摇臂传动故障研究

针对传统故障诊断方法无法有效识别并自动分类实际工况中采煤机摇臂传动故障多的非线性、非平稳信号,提出一种基于迁移学习的采煤机摇臂传动故障诊断模型。基于迁移学习思想,构建基于深度迁移学习的采煤机摇臂传动故障诊断模型;采用多标签分类及sigmoid函数,对模型进行改进,实现对采煤机摇臂传动复合故障的识别与分类;最后,通过仿真实验验证了改进模型性能,并对比了提出模型与传统智能故障诊断模型DCNN、SVM、LSTM、CNN在迁移任务中的分类准确率。结果表明,相较于传统智能故障诊断模型,基于深度迁移学习的采煤机摇臂传动故障诊断模型具有更高的诊断精度,且收敛速度更快,可提高采煤机摇臂传动系统的工作可靠性。     

基于行波法的低压台区低压故障停电报警系统设计

为了提高低压故障停机报警的准确性,缩短故障报告时间,设计了一种基于行波法的低压故障停机报警系统。系统接入层的功能是采用基于多点电流测量的输电线路行波故障定位方法检测低压台区低压故障信号,利用罗氏电流互感器获取低压下电流行波数据源,对比近邻TA中电流故障分类的相位关联性,以此定位故障范围;使用首级与第2级测点间线路段运算波速,使用双端行波运算获取故障距离。同时,接入层还具有报警电话的呼叫接入等功能。流程控制层能够设置停电报警的流程,根据低压故障定位结果进行自动报警;用户根据报警信息通过业务逻辑层输入相应控制指令。实验结果显示,该系统在不同故障类型条件、不同故障点条件下的精度均控制在27 m以下,显著低于设定阈值,停电报警时间控制在0.1 s以内。     

基于多传感器信息融合技术在滚动轴承故障诊断中的应用

为了提高滚动轴承故障诊断的准确性,运用了将多传感器信息融合技术用于故障诊断的检测方法。由电流传感器和加速度传感器采集电流信号和振动信号,经小波变换等预处理后通过能量算子获得故障特征值,再经过动量改进BP神经网络进行训练,实现对滚动轴承故障的准确诊断。通过实验证明该方法可行。     

基于多传感器信息融合的矿井通风机故障诊断

为了提高矿井通风机机械故障诊断的准确性,提出了将多传感器信息融合技术用于故障诊断的检测方法.由多个传感器采集振动信号,经小波变换预处理后获得故障特征值,再经BP神经网络进行故障局部诊断,获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,实现对矿井通风机机械故障的准确诊断.     

基于Stacking模型融合的失压故障识别算法

计量故障中的失压故障是目前电力计量系统常见的故障问题之一,传统的失压故障判定以终端告警为依据,判定维度单一,且终端告警存在误报、漏报的情况,导致了故障无法及时发现、无法实时处理。为了解决失压故障识别维度单一和终端漏报误报的问题,采用比较研究法,在前人使用机器学习算法解决故障识别问题的基础上,结合真实计量数据,构建失压关键指标,提出了一种基于Stacking模型融合的计量故障监测算法。经反复实例论证和理论测算,该算法相较于传统的机器学习算法,能够提升失压故障识别的效果,平均精确率0.99以上。该种算法的提出为计量故障识别提供了一种新的解决方案,为失压故障后电量追补提供了一种依据,为提升计量系统管理水平增加了一种手段。     

基于神经网络的煤矿机械滚动轴承故障诊断研究

滚动轴承失效是煤矿机械常见的故障之一,一旦出现此类故障较难及时发现并修复,造成极大的经济损失。为此提出了一种可在滚动轴承故障发生早期进行及时预测诊断的方法,可以根据滚动轴承故障早期振动信号的各种特征分量进行模式匹配,从而识别出故障类型以便及时采取措施。在进行故障预测和模式识别时,采用了原始BP神经网络和经过遗传算法优化的GA-BP神经网络,经过仿真比较显示,后者的性能更强。     

小波变换在齿轮故障诊断中的应用

在分析小波变换理论和齿轮振动信号特点的基础上,提出用小波分析法提取齿轮故障特征。齿轮振动信号具有非平稳性,并且受各种噪声干扰,小波分析法具有处理非平稳信号的突出优点。在MATLAB环境中,建立了齿轮振动仿真信号,采用小波函数对受噪声污染的信号进行软阖值消噪处理,通过功率谱分析提取特征频率。仿真表明,该方法可有效抑制噪声,提取特征频率,从而为齿轮故障诊断提供依据。     

基于红外成像技术的电气设备热故障在线检测与诊断

与传统检测热故障的方法相比,红外成像技术能够远距离、准确、非接触式在线检测电气设备的温度变化并能及时找到电气设备的故障。对红外成像技术的原理进行了介绍,根据国标对电气设备内外部热故障诊断,分析与总结出更加详细有效的判断方法。通过红外成像技术在绝缘子串热故障、电缆红外成像故障、开关内部热故障、电流互感器内部热故障等实际的应用,验证了方法的正确性。