阻波器检查的几种简单方法

高频通道作为高频保护信号的传输通道,它能否正常地工作对于电网的安全可靠运行起着非常重要的作用。线路阻波器串联在电力线路中,是高频通道的重要部件。由于种种原因,运行中的线路阻波器缺乏测试维护,成为影响高频通道质量的重要因素,该文通过对线路阻波器的分析,结合现场实际给出了阻波器故障检查的几种简单方法。     

配电网单相接地故障选线方案

配电网单相接地故障选线问题由来已久,以往的研究主要集中在相对理想情况下的基于单一特征量的选线方法,而缺乏对单相接地故障的准确确认和对故障信息的充分、有效利用,并且对选线判据在复杂条件下的自适应性和容错性的分析不够深入,这就导致了在实际的生产运行中难以正确实现既定的选线方法,最终容易造成误选。该文首先区分可能造成混淆的故障类型;然后提出了同时运用电压、电流分量的自适应性强、容错性能好的内积选线判据;最后,提出考虑极端情况下的补救方法,从而实现了选线方法在理论上的完备性。大量的EMTP仿真分析结果都表明,该方法能够准确地判定单相接地故障、可靠地选出接地线路,具有很强的鲁棒性。     

基于故障投诉信息的配电网故障定位

针对自动化程度较低的配电网故障定位问题,根据配电网的结构和运行特点,利用馈线分层模型,并结合模糊集理论,构造了更为合理的隶属函数,该函数计及了故障历史记录和实际用户数的影响,建立了一种基于故障投诉信息的配电网故障定位算法。通过对其适用性的扩展,使该算法具备了在多电源网络中应用的能力。算例表明该算法是合理而有效的。     

改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进BP网络在故障诊断中的不足，提出了利用改进Elman网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。     

集成神经网络信息融合在故障诊断中的应用

随着设备复杂性的提高，采用单子神经网络信息融合在故障诊断中已无法给出正确的判断。根据实际应用的需要，在讨论集成神经网络信息融合优点的基础上，提出一种集成神经网络信息融合的故障诊断方法，给出了它的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用，最后应用集成神经网络对工业CT系统中的驱动器故障诊断进行了仿真。该方法通用性强，为工业CT系统其它部件的故障诊断提供了较好的模型和方法。     

复杂工程系统基于随机分布的FDD优化算法

随着传感器、图像和数据处理等技术的发展，在炼钢、造纸和化工过程中，反馈量测信息是系统的在线随机输出分布，而并非输出变量在样本时刻的量值，不同于传统的故障检测和诊断（fault detection and diagnosis，FDD）问题，对于一类复杂随机工程系统，基于随机分布函数研究了一种新的优化FDD方法，利用B-样务逼近将输出概率密度函数（PDF）转化成动态权系数，进而建立了带有时滞的非线性不确定性权动态模型，将相应的FDD问题转化成一类非线性不确定时滞系统的FDD问题，基于线性矩阵不等式得到了可行的优化故障检测方法和广义自适应故障诊断算法，仿真实例也表明了该算法的有效性。     

Lessons learned from the U.S. nuclear power Plant on-line monitoring programs

The investigation and application of on-line monitoring programs has been ongoing for over two decades by the U.S. nuclear industry and researchers. To this date, only limited pilot installations have been demonstrated and the original objectives have changed significantly. Much of the early work centered on safety critical sensor calibration monitoring and reduction. The current focus is on both sensor and equipment monitoring. This paper presents the major lessons learned that contributed to the lengthy development process including model development and implementation issues, and the results of a recently completed cost benefit analysis.     

基于小波降噪神经网络的旋转机械故障诊断

实测信号往往受到多种因素的干扰,如高频噪声.提出了一种小波降噪神经网络的故障诊断方法,利用小波的多重分辨率分析,有效降低高频噪声干扰,从而简化了有效特征信号的提取.建立了基于小波变换和BP神经网络的混合诊断模型,成功地对故障进行了智能诊断.最后实验验证了此种方法的有效性.     

基于非线性判别分析的故障分类方法研究

针对复杂机械故障的模式分类问题,提出一种基于非线性判别的多故障分类方法。与线性判别分析相比,基于核的判别分析更适于处理线性不可分的分类问题。分析了基于核的判别分析方法与核函数主元分析方法之间的联系与差异,指出了两者不同的应用背景,核函数主元分析适于检测机械设备异常状态的出现,而基于核的判别分析则适于在积累历史故障征兆基础上对多种机械故障进行分类识别。将上述方法应用于风机工作状态的分类识别与齿轮故障模式分类,结果表明该方法对于多种复杂的故障模式分类具有出色表现。     

基于频谱分析的天文望远镜跟踪实验系统故障诊断

把现代信号处理技术的谱分析应用到天文望远镜的故障分析上,对大天区面积多目标光纤光谱望镜摩 擦驱动实验装置的振动故障进行了诊断实验研究,基于频谱分析了摩擦驱动实验装置的振动信号。实验结果分析表明, 频谱分析能很好地提取振动信号的频率特征,判断出振动源,是天文望远镜故障源识别的有效工具,对天文望远镜振动 故障诊断有很好的应用价值和前景。