神经网络结构与算法对变压器故障诊断的影响

BP神经网络算法本质上是基于梯度下降的一种迭代学习算法,存在学习收敛速度慢、收敛精度低、易陷入局部极小、学习率难以选取、隐层数及隐层神经元个数难以确定等缺陷。为了选择出更适宜变压器DGA故障诊断的神经网络结构及算法。本文采用了常用的几种智能算法对变压器故障样本进行了诊断性能对比实验。结果得出Levenberg-Marquardt神经网络算法是收敛速度较快的算法,有动量和自适应的梯度下降法是收敛稳定性较佳的算法;网络最优结构设计过程。为用于变压器DGA故障诊断的神经网络的结构和算法提供了系统化的试验方法。     

结合高斯多尺度变换和颜色复杂度计算的显著区域检测

提出一种结合全局和局部对比度的数据驱动自底向上的视觉计算模型,采用高斯多尺度变换和颜色复杂度计算相结合的方法检测图像的显著区域。图像经过高斯金子塔多尺度变换后,用改进的冗余计算方法,在频域中消除全局冗余信息,初步将大范围的目标从周围环境中分离出来,并均匀地突显目标,利用多尺度特征子图点对点平方融合使全局显著区域显著度进一步增强,背景冗余信息进一步得到消弱;同时采用改进的像素颜色复杂度计算方法得到局部显著图,最后用最大类间方差法(Ostu)分割出图像中的显著区域。在多种自然图像上进行实验,实验结果表明,该方法能迅速检测出与人类视觉结果一致的显著区域。     

25 Cr2 Ni2 MoV 钢焊接接头低周疲劳性能研究

对新型汽轮机焊接转子材料25Cr2Ni2MoV焊接接头及其母材进行应变控制的低周疲劳试验,并进行了相应的断裂位置统计和循环变形特征分析。试验结果表明,焊接削弱了焊接接头的疲劳强度,受到结构非均匀性和各部分力学性能的相对不匹配等因素的影响,焊接接头的断裂位置体现出明显的应变水平依赖性;焊接接头和母材在循环变形过程中均表现出循环软化特性,且存在明显的拉压不对称性,拉压不对称程度随应变水平的增加而增加;与母材相比,焊接接头表现出更加明显的平均应力松弛现象,且平均应力绝对值随着循环周次不断减小最后趋于常值。     

直驱型风力发电机的主轴强度研究

为了实现某大型水平轴直驱型风电发电机的主轴强度设计,提出基于有限元软件和疲劳软件相结合分析的主轴设计方法。建立发电机的有限元模型,分析计算了14种极限工况下主轴的极限强度。根据GL2010认证规范,推导得到发电机主轴的S-N曲线。基于疲劳分析软件,获得了主轴的疲劳累计损伤分布结果,考察了表面粗糙度对主轴疲劳强度的影响程度。分析校核结果表明,发电机主轴结构满足结构强度设计要求。     

从用户研究到产品概念设计的数据可视化研究

在大数据时代下,如何把用户研究的数据进行可视化处理来辅助产品的概念设计,逐渐成为时下热点。通过提高用户研究数据的可视化水平,挖掘本质的数据关系和真实的用户需求,方便设计师捕捉设计的切入点,才能高效且准确地进行以用户为中心的产品设计,满足大数据时代下人们对产品的个性化和人性化需求。     

基于行波分析的变压器绕组匝间短路故障定位

针对变压器绕组匝间轻微短路故障定位问题,本文提出基于行波分析的故障定位方法。该法在绕组线端输入低压脉冲以获取行波反射信号,基于相关系数和SG滤波的改进EEMD降噪法降低噪声对行波的干扰,分别采用相似度分析法与能量比值法分析行波,得到大致随故障位置单调变化的故障特征集,再结合遗传神经网络建立起故障特征与故障位置的映射关系,实现匝间短路故障定位。仿真和样本实验结果表明了本文方法的可行性。     

基于灰色关联度的框架式断路器故障诊断方法

针对断路器故障诊断技术中智能识别算法过于复杂的问题,提出了一种基于灰色关联度的框架式断路器故障诊断方法,该方法利用灰色综合关联度描述故障特征序列曲线之间的几何相似度来判断故障的归属,充分利用故障特征本身的变化趋势。其首先提取触头振动信号局部均值分解能量矩或分合闸线圈电流信号集合经验模态分解能量矩,经归一化后形成能量矩序列,将该能量矩序列与不同故障状态下的参考序列进行灰色综合关联分析,根据最大关联度原则确定故障类型,其中灰色综合关联度各指标的权值系数利用熵值赋权法得到。对断路器触头分合闸机械结构故障和操作附件分合闸线圈回路故障进行了诊断测试,结果表明,该方法能够准确有效地完成对断路器不同故障的诊断。     

基于菱形搜索块匹配技术的微机电系统微运动测量研究

首先,分析了块匹配运动模型和测量原理,采用最小总绝对差值设置块匹配准则,确立了菱形搜索算法的块匹配搜索路径。该算法通过大小模板块匹配进行粗定位和精定位,求解微运动最佳运动矢量。然后,设计了基于计算机微视觉的微机电系统图像获取方案,并以微机电系统谐振器为研究对象,获取24幅不同相位图像,用所提出的微运动测量方法进行分析和验证,结果表明：基于最小总绝对差值和菱形搜索算法的块匹配技术能较好地估计和测量微机电系统器件的微运动矢量。     

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

基于电压倍增器的混合储能系统电压均衡方法

传统主动均衡拓扑往往需要大量的开关管、电感、变压器或双向开关等元件实现能量传递,对于电动汽车而言,无疑会增加系统的体积和成本。鉴于此,本文提出了一种基于电压倍增器的电压均衡拓扑,用于锂离子电池和超级电容组成的混合储能系统。电池均衡拓扑和超级电容均衡充电器通过复用半桥逆变电路集成到仅含2个开关管、3个电感以及若干电容和二极管的电路中,可有效降低混合储能系统的体积和成本。电池均衡拓扑具有自模块化特性,电压均衡速度更快,超级电容充电器具有恒流充电特性。本文详细描述了该拓扑的工作模态和波形,并利用PSIM仿真验证了其均衡特性。最后,设计了由4个电池和4个超级电容所组成的混合阵列进行实验验证。实验结果表明,均衡后单体间电压极差降至10 mV以下,证明了所提方法的有效性。