某电梯上站房依附岩体位移监测

采用振弦式多点位移计对电梯上站房依附的岩体进行位移监测，通过位移计数据的变化，判别岩体有无滑移的趋势，以及滑裂面的位置和滑移的时间。共计读数53次，采集数据795个，采用Mathematica数学软件，据实测数据散点图形状及多点位移计的工作原理，选用幂函数作天一传感器负载回归分析，分析结果表明，岩体是稳定的。     

WC6，SD-700—160DA系列调门技改点滴

田集电厂自运行以来，在过热蒸汽和再热蒸汽系统的调温控制系统中选用的美国思艾公司生产的WC6，SD-700-160DA型号的阀门作为锅炉蒸汽出口温度调整手段，但在运行中，经常出现阀杆填料处泄漏的问题，而且此缺陷重复出现。经过总结和现场测试，发现石墨碳晶环填料在操作中出现问题，针对这一问题进行了技术改造，取得了实效，此简介如下，供参考。     

煤巷锚杆支护间排距的合理选用

煤巷全锚杆支护中锚杆间排距必须根据围岩岩性,选择合理的理论计算方式,同时还要参考以往支护经验,最终确定出合理的锚杆间排距。介绍了平顶山煤业集团公司十三矿采用间排距为800 mm×800 mm的锚杆在煤巷中的应用。表明在采用较大间排距时不仅没有降低支护围岩强度,还节省材料费,降低了消耗,节省了工时,提高了单进水平,确保了采掘接替,为矿井高产高效起到了重要作用。     

多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测

为提高综合能源系统多元负荷短期预测的精度,提出一种基于多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测方法。首先,采用皮尔逊相关系数对气象数据进行关联因子优选;然后,通过嵌入式分解模块将输入的时间序列分解为周期分量和趋势分量,并将分解后得到的输入矩阵并行送入到具有不同尺度卷积核的时间卷积网络中,进行多尺度特征提取;接着,将多尺度时间卷积网络输出的特征向量输入到各自对应的注意力机制,以进行全局信息的学习与融合;最后,采用自适应非线性融合模块对各注意力机制的输出进行非线性融合,得到最终多元负荷预测结果。实验结果表明,所提方法具有较好的预测性能及泛化性。     

复杂遮荫下基于改进GWO的光伏多峰MPPT控制

光伏阵列在复杂遮荫环境下的P-U曲线呈现多个峰值导致最大功率跟踪（MPPT）算法失效,为此提出双层控制模型,在上层模型中将Levy飞行和多项式变异策略嵌入灰狼算法,构建Levy-变异灰狼优化算法（LPGWO）搜索全局最大功率点;在下层模型中采用扰动观察法对最大功率点进行局部跟踪,进而有效降低复杂遮荫环境下的功率振荡。仿真结果表明,在多峰MPPT控制中,所提模型具有跟踪速度快、收敛精度高、整体功率振荡小等特点,能有效提升复杂遮荫环境下光伏阵列的最大功率跟踪效率和精度。     

基于边界辅助判别的滚动轴承故障特征增强及诊断方法

滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明：该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。     

基于群智能加权核聚类的水电机组故障诊断

针对核聚类中核参数选择依赖经验,最优聚类中心难以有效获取的问题,提出了一种仿电磁蜂群加权核聚类算法。首先,考虑不同特征对聚类结果的影响,对样本进行加权处理,利用核空间的Xie-Beni指标建立加权核聚类模型;然后,提出并引入仿电磁蜂群算法求解聚类模型,实现聚类中心、特征权重与核参数的同步寻优。利用该方法分别对3组标准测试样本集以及水电机组故障样本进行聚类测试,并与传统方法进行对比分析。试验结果表明,提出的仿电磁蜂群加权核聚类算法较传统聚类方法具有更高的精度,能够有效实现水电机组振动故障的准确聚类与识别,完成故障诊断。     

基于贝叶斯网络的水轮发电机组状态检修方法研究

针对现有水轮发电机组状态检修研究大多侧重于故障诊断结果,而忽略了为检修人员提供良好的辅助维修决策的问题。文章引入贝叶斯网络,设计了一种基于传感器诊断策略与贝叶斯网络模型的状态检修方法。该方法采用传感器诊断策略对传感器监测信号进行误报警、冗余报警与潜在故障判断后,通过贝叶斯网络模型对传故障进行有效诊断,并以输出的故障可能性与故障的危险性配合进行风险评估,通过风险评估结果为检修人员对检修过程中故障排查的顺序提供合理的参考。最后,通过精准度分析、受试者工作特征（ROC）曲线、校准曲线进行模型验证,结果表明,系统运行准确度达到80%。     

基于贝叶斯网络的水电站多源信息故障诊断

为提升水电站电力设备故障诊断的智能化水平,特别是解决缺乏状态监测系统的设备的故障诊断问题,提出了一种基于贝叶斯网络(BN)的水电站多源信息故障诊断方法。该方法对拥有状态监测系统的设备,采用机器学习法构建BN模型。对于缺乏状态监测系统的设备,则提出一种改进专家经验法构建BN模型:使用故障树(FTA)模型转化贝叶斯网络结构,Noisy-Or模型简化条件概率表(CPT),模糊综合评价法(FCE)获取条件概率。最后,融合两个模型建立了多元信息故障诊断模型,并分别采用数据对比分析与受试者工作特性曲线(ROC)对模型进行验证。结果表明,在1000组验证数据中,发电机、电力传输系统的准确率分别为81. 7%、81. 3%,并且ROC曲线的AUC值达到0. 8099,说明该方法具有较高的准确性和实用性。