基于多标签集成学习的螺旋CT机故障诊断研究

医学应用领域计算机X线断层摄影机(Computed tomography camera,CT)螺旋机由于复杂的结构和较高的集成度在实际故障定位和检测中具有极高的难度。为解决这个问题,研究对螺旋CT机故障定位与检测问题进行了分析,提出一种多标签集成学习方法。该方法采用了折半查找算法获取螺旋CT机的故障数据,同时有效结合现有的卷积神经网络和循环神经网络的文本表征网络,通过自适应标签关系增强方法找出标签间的依赖关系,并利用加权约简标签集的不平衡学习能有效杜绝模型可扩展性低和模型泛化性弱等问题。经损失值、准确度、运行时间、精准率、灵敏度五个指标的实例测试结果表明,研究所给出的方法均相对于其他三种较为创新的多标签集成学习方法更具优势,且提升数值均超过2%,训练集的各个指标数据均比测试集相应数值更高。训练集和测试集中空时网络聚类约简的多标签集成学习方法的精准率分别为93.12%和87.26%,召回率分别为86.35%和84.25%。该方法能精准快速查找螺旋CT机的故障类型和故障部位,极大程度降低维修成本和延长设备的使用年限。     

基于PE-CEEMD-SVD的Φ-OTDR信号降噪方法

为实现相位敏感光时域反射仪中相位信号的精确测量,提出了一种基于排列熵算法的互补集合经验模态分解联合奇异值分解的新型降噪方法(PE-CEEMD-SVD)。首先,对含有噪声的相位信号进行CEEMD分解,得到一系列频率不同的IMF分量;然后,将PE算法和相关系数机制相结合,保留较大相关的有用分量,对较小相关的噪声分量使用SVD算法进行二次降噪;最后将两次降噪后保留下来的有用分量进行重构。仿真和实验结果表明,相较于EMD、EEMD和CEEMD降噪方法,该方法可获得更高信噪比的信号,有利于相位信号的精确测量。     

高压直流输电技术现状及发展前景

含直流馈入的交流线路发生永久性故障时,如不能准确判定故障性质,将使交流线路再一次承受短路电流冲击,危害直流系统运行安全。针对这一问题,提出了一种基于并联电抗器故障相谐波电流特性的单相自适应重合闸判据。首先,分析了现有单相自适应重合闸判据在含直流馈入的交流系统中应用的适用性,并得出换流器发生换相失败后向交流系统注入的谐波分量可能会使现有单相自适应重合闸判据失效这一结论;其次,通过快速集合经验模态分解–希尔伯特(fast ensemble empirical mode decomposition-Hilbert,FEEMD-Hilbert)谱分析从流过故障相并联电抗器电流中分解出谐波分量,依据不同故障性质下等效电流回路的不同,提出了基于谐波电流幅值比的单相自适应重合闸判据;最后,基于PSCAD/EMTDC仿真实验验证了所提方法的有效性和实用性。

     

基于EEMD分解与相关系数的变压器振动信号特征量提取

基于振动信号分析的变压器机械故障诊断中,从振动信号中提取反映故障前后变化的特征信息量是关键技术之一。本文提出基于EEMD分解、相关系数提取敏感IMF分量的方法对信号进行处理并重构,以提取特征频率、峭度、幅值、均值四个特征,构成多维度的变压器状态特征向量。将该方法应用于提取试验变压器正常空载、空载铁心松动状态下的特征向量,结果表明正常空载情况下特征频率为100Hz,空载铁心松动故障时为200Hz;正常情况下峭度值集中在2.0～2.6之间;铁心松动后幅值和均值都增大。最后将该方法运用于在运变压器发生磁路故障、铁心多点接地故障前后的信号特征向量提取,结果表明故障状态下各特征值均增大,但是不同故障下各特征值的增大幅度各异,据此有望通过振动信号进一步实现变压器故障类型的诊断。     

风力机齿轮箱振动信号分解方法研究

基于风力机齿轮箱振动信号显著的非线性及非平稳性,分别采用集合经验模态分解(EEMD)、固有时间尺度分解(ITD)和经验小波变换(EWT)分解方法对齿轮箱振动信号进行处理,求取各分解方法分量信息熵并构成特征向量,然后作为支持向量机(SVM)模型的输入进行故障识别及分类。结果表明:EWT能较好地提取振动信号中的冲击成分;ITD在3种分解方法中诊断准确率最高且最稳定,最利于风力机齿轮箱故障诊断。     

基于ELMD和MED的滚动轴承早期故障诊断方法

针对滚动轴承早期故障振动信号的非平稳特性和现实中受环境噪声影响严重,故障特征信息难以识别的问题,提出基于ELMD和MED的故障诊断方法。首先,运用ELMD对采集到的轴承振动信号进行分解,得到一系列PF分量;然后,依据相关系数与峭度准则,选取包含故障特征信息较丰富的PF分量进行MED滤波处理以消除噪声影响,凸现故障特征信息;最后,对降噪信号进行Hilbert包络谱分析,从谱图中准确地识别轴承故障特征频率。     

基于集成学习的风云四号遥感图像云相态分类算法

云相态分类在气象预报和气候研究中具有重要的地位.我国新一代气象卫星风云四号的成像仪在光谱通道数量和空间分辨率较上一代风云二号有较大提升,这为云相态的研究提供了新的遥感数据.本文首先对风云四号相隔15 min的遥感图像进行分析,然后提出亮温云相态指数,该指数可以进行初步云相态分类,最后在此基础上提出基于集成学习的云相态分类算法.实验结果与风云四号官方云相态分类结果进行比较,水云的一致率达到91.69％,冰云的一致率达到76.10％.     

基于集成学习的设备流场性能分析与应用

为解决某高速设备试验中流场性能实时分析的问题,对该设备的数据采集与分析技术展开研究。阐述某高速试验设备数据特点和性能分析的需求,对采集的数据进行可信度校验;针对其各核心系统模块中不平衡样本数据,基于Bagging 集成学习对各个核心系统进行建模分析,实现对该设备的流场性能分析。实际应用结果表明：该方法能完成对核心系统的流场性能分析,提高对该设备的智能管控水平。     

基于小波阈值去噪和CEEMD的混合三端直流输电线路故障测距

针对行波法测距精度受波速、行波波头标定的精度以及噪声的影响,提出一种基于小波阈值去噪和CEEMD-HT结合的混合三端直流输电线路测距方法。首先利用小波阈值去噪对故障信号滤噪,然后对滤噪后的信号使用互补集合经验模态分解和希尔伯特变换标定初始波头的到达时间。再根据故障行波到达测量端时间比值识别故障支路。最后考虑到行波波速难以精确确定,基于已知线路长度和初始波头到达时间,提出一种不受波速影响的测距方法。仿真结果表明,所提方法能够有效标定波头,且测距结果不受波速、故障距离、故障类型、过渡电阻及噪声的影响。与利用波速计算的双端法、HHT及小波包测距算法相比,该方法的测距误差更小。