基于FTA的箱式变电站故障诊断系统研究

鉴于箱式变电站在工商业及城镇输配电系统中的重要性,完善箱式变电站故障诊断技术具有重要的意义。针对箱式变电站故障诊断的特点,本文运用故障树分析技术对箱式变电站故障诊断技术进行了研究,应用可信度方法对故障诊断进行了不确定性处理,并运用最小割集故障系数的概念改进故障树分析中的最小割集诊断法,提高故障诊断的效率。最后,本文以故障实例检验了该故障诊断系统的运行效果。     

智能教学中的知识模型与教学评价的研究

目前,基于Web的智能教学系院是计算机应用于教育领域的研究方向之一。本文从知识点及其关系出发构建一个知识网络模型,并基于该模型介绍如何进行领域知识表示及考核试题设置,然后设计了试题难度系数的动态更新方法,还提出一种简捷的知识诊断方法,准确地将学生学习缺陷定位到具体的知识点,得出学习路径方面的建议,从而增强了教学的针对性。     

汽车变速箱嵌入式诊断系统设计与实现

嵌入式技术作为一种在线诊断故障的实现手段,已愈来愈为众多专家、学者和工程技术人员所关注。针对汽车变速箱,设计开发一套基于嵌入式技术与故障诊断技术的汽车变速箱故障诊断系统,并对汽车变速箱故障嵌入式诊断系统的硬件、软件进行简单研究,提出基于多支持向量机的汽车变速箱故障识别方法,并对相关技术开展深入研究。所研究的相关技术及系统的实现方案为嵌入式技术在相关动力装置故障诊断中的有效应用提供一条切实可行的途径。     

基于旋转机械的多故障诊断专家系统的实现

根据实际项目的开发，重点介绍了基于旋转机械的多故障诊断专家系统的功能结构、系统设计、知识表达法、数字信号的处理以及专家系统推理机制等。提出一种新型的基于产生式规则的推理机制，结合数据挖掘的思想，能够快速有效地解决多故障诊断专家系统中的推理问题。     

一种电力故障录波数据压缩算法的研究

电力系统故障录波数据是分析电网故障的主要依据,录波数据压缩有益于减小数据存储容量和提高数据传输效率。针对电力故障录波数据的格式及构成特点,提出了一种基于傅里叶变换和小波包变换的数据压缩新算法。采用离散傅里叶变换对录波模拟量通道的B时段数据进行压缩和重构,根据重构误差判断该通道是否为故障通道;对故障通道的暂态扰动时段采用小波包变换进行压缩,对正常通道及故障通道的其他时段采用傅里叶变换进行压缩。大量录波文件的压缩结果和工程实际应用表明,所提算法可以同时获得很高的压缩率和压缩精度,具有广阔的应用前景。     

复杂过程的故障诊断技术

对于具有控制复杂,难以精确描述数学模型的复杂过程,介绍了智能化故障诊断方法。故障检测由基于知识系统实现,通过过程的深层浅层知识获得故障检测产生式规则。通过智能故障诊断技术实现故障诊断功能。     

基于R-NN的可控硅励磁系统故障诊断

基于同步发电机可控硅励磁系统经常发生故障,提出一种基于粗糙集—神经网络(Roughset-NeuralNetwork)相结合的故障诊断方法。以励磁系统中三相桥式可控硅整流回路为核心进行故障诊断研究,对整流回路故障波形的采样数据样本信息进行预处理,通过运用粗糙集理论的知识约简方法形成故障诊断的确定性规则,从而实现故障分类;然后将其结果与故障信息中的输出样本值作为神经网络的输入,实现故障元的定位。通过计算机仿真,结果表明:该方法对三相桥式可控硅整流回路故障诊断简便准确,诊断速度快。     

基于EMD和AFD的齿轮断齿诊断技术研究

断齿作为齿轮失效的形式之一,对其进行故障诊断具有重要意义.传统的诊断方法如自适应滤波方法对于非平稳振动信号的分析效果不太明显.EMD(Empirical Mode Decomposition,简称EMD)方法是把复杂的振动信号分解为有限个本征模函数(Intrinsic Mode Function,简称IMF)之和,得到的IMF包含真实的物理信息,而且都是平稳的.这种基于信号的局部特征时问尺度分解的方法非常适用于非线性和非平稳过程的分析,该方法能够实现通过时域的分析,得到故障特征信号.本文提出基于EMD和自适应滤波分解(Adaptive Filtering Decompositon,简称AFD)的方法,利用边际谱分析齿轮故障特征.实验结果表明,该方法能够有效、准确地提取齿轮断齿的故障特征.     

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。     

基于变分模态分解和高阶统计量的梯级故障诊断研究

自动扶梯是地铁车站内必不可少的大型公共交通设备,一旦发生故障,小则影响运营,大则引发安全事故;梯级作为自动扶梯的重要结构部位,其固定螺栓松动必然会导致自动扶梯运行异常;针对梯级振动信号故障特征难以提取的问题,提出了变分模态分解(VMD)和高阶统计量(HOS)联合来对自动扶梯故障特征提取;该方法首先对原始振动信号进行VMD分解,得到K个固有模态分量(IMF);然后对主IMF分量进行奇异值分解(SVD)降噪,对去噪后的主IMF分量进行重构得到新的信号;最后通过高阶统计量对新的信号故障特征提取,并利用随机森林分类算法对三类不同的振动信号样本进行分类识别,确定梯级振动故障类型;实验结果表明,该方法可以有效地提取故障特征,实现故障诊断与分类。