基于SOA-LSSVM的故障模式识别模型研究

将搜索者优化算法(SOA)应用于最小二乘支持向量机(ISSVM)惩罚因子和核函数参数的选择中,从而改善参数选择的随机性和盲目性,建立基于SOA-LSSVM的故障模式识别模型。应用该模型对变压器油中溶解气体故障模式进行分析,结果表明该算法在参数优选中的有效性,依此而建立SOA-LSSVM故障模式预测模型具有较高的准确率。     

高压直流输电系统不对称故障建模与仿真

传统的基于动态相量法的HVDC模型解析表达式是在理想条件下导出的,其换流器的数学模型仅考虑了交流侧的基波分量和直流侧的直流分量。当发生不对称故障时,该模型不能正确反映出HVDC系统的动态特性。为了解决这种模型在系统发生不对称故障情况下的计算精度和仿真速度的问题,文章考虑了交流基波电压不对称和直流电流中存在纹波的非理想运行工况,并建立了基于三相动态向量的HVDC系统动态模型。该模型能够反映当系统发生不对称故障时HVDC系统的动态特征。算例结果表明,HVDC动态相量模型和相应的EMT模型相比,不仅具有良好的精度,而且大大减少了仿真时间。     

基于实物仿真的装备维修训练系统设计

分析现有的维修训练方式,提出基于实物仿真的维修训练模式。基于仿真技术,构建模拟实际装备特征的维修仿真平台,可以对正常的操作进行模拟。在实物仿真器模型中内置故障向量,由训练控制软件或者故障设置开关触发故障向量,在维修仿真平台上表现相应故障现象,实现了实际装备故障案例的模拟。以某装甲车载驾驶员终端为例,说明维修训练系统的应用。     

基于SVM模型的上市公司财务困境预警研究

本文运用支持向量机技术,以我国上市公司为研究样本,建立了一种新型的财务困境预警模型.通过对该模型的反复调整,得到了较高的预测精度和较好的推广能力.与其它财务困境预警模型相比,我们所建立的支持向量机模型在对上市公司财务困境预警方面具有便于使用、预测精度高等特点.具有广阔的实际应用前景.     

基于健康状态预测的家具制造设备维修方法

针对板式家具制造企业中如何以较少的投入来减少故障停机时间的问题，提出了一种基于健康状态预测的设备维修方法。该方法将设备的温度和电信号数据作为输入信息，通过模糊最小二乘支持向量机构建的故障预测模型获得预测输出，并以该预测输出数据来建立设备健康状态等级、指导设备维修计划的科学制定，从而减少故障停机时间。利用直线封边机的运行和维修数据对该方法进行案例验证，表明该方法有一定有效性。     

钦州110kV燕江线雷击故障统计分析与防雷措施

本文通过统计钦州输电网110kV燕江线路雷害故障情况,分析了雷害故障的特征,并运用向量电气几何模型分析其原因,指出海拔高、档距大和接地电阻大的杆塔最容易产生故障,是造成线路跳闸的三个主要原因;提出应采用接地长度最长的接地形式,以有效降低反击跳闸率等一系列的防雷措施,以指导线路的防雷改造.     

混沌果蝇-最小二乘支持向量机变压器DGA诊断

针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,融合混沌算法对果蝇优化算法的进化机制进行改进,提出混沌果蝇优化算法(CFOA)。将CFOA算法应用于最小二乘支持向量机(LSSVM)惩罚因子和核函数参数的选择中,可以改善参数选择的随机性和盲目性,从而建立基于CFOA-ISSVM的故障模式预测模型。应用该模型对变压器油中溶解气体故障模式进行预测,结果表明,CFOA方法在在收敛速度、收敛可靠性及收敛精度上均比基本FOA有较大的提高,依此而建立的CFOA-LSSVM故障模式预测模型具有较高的准确率。     

基于温度分析的抽水储能发电机故障模式识别

为提高抽水蓄能电站系统运行的稳定性和可靠性,提出了一种通过主站发电机瓦温信息构建发电机故障诊断模型的方法。以温度值作为特征量构建了支持向量机故障诊断模型,结合麻雀算法全局寻优和局部寻优自由切换的优势,将故障识别正确率作为迭代更新的目标函数,对支持向量机的惩罚因子以及核函数半径的参数组合进行优化。根据麻雀种群位置优化特点,给出了基于麻雀搜索算法进行SVM参数优化的详细步骤流程,并对采集的水泵发电机实测温度数据进行验证和分析。实测数据表明,所提方法可对下导瓦间隙偏小、冷却器容量不足、透平油老化、杂质混入等故障模式进行识别。与若干现行同类方法进行对比分析可知,基于温度分析的发电机故障诊断方法可为抽水储能发电机运行状态监测及主站电机的安全可靠运行提供有益参考。     

一起500kV线路风偏故障的风偏模型推导分析

文章以一起500k V架空输电线路的风偏故障为例,采用该故障实例的原始数据,应用经典风偏理论,推导出风速和风偏角度的计算模型,进而深入分析风速对风偏距离的影响,根据是否将跳线一端的耐张绝缘子视为固定挂点,从而将该风偏模型分为单绝缘子模型和双绝缘子模型两种情况,分别进行风偏校验计算,定量分析该次故障的理论原因,最后给出了结论及建议。     

核电厂仪控卡件PSPICE仿真及故障诊断研究

针对核电厂仪控卡件的可靠性检测与分析问题,在对卡件进行PSPICE仿真分析的基础上,为提高故障诊断的准确率,提出一种基于偏二叉树双支持向量机的故障诊断模型,将双支持向量机引入模型,利用偏二叉树多分类方法构造出多个2分类器,实现仪控卡件故障诊断的多类分类。通过实例验证,提出的故障诊断模型提高故障诊断精度和泛化能力,时间消耗短。     

断层模型音频大地电磁测深数值模拟及应用

为探究音频大地电磁测深(AMT)对断层模型识别的效果,对不同倾角的断层模型进行数值模拟研究。采用MT2DModeling软件进行正演模拟,得到的初始模型加入10%的噪声后再采用Occam方法进行反演,数值模拟结果表明:1)音频大地电磁测深整体上对断层模型较为敏感,TE模式的纵向分辨率高,对模型的上下边界识别较为清晰,TM模式的横向分辨率高,对模型水平方向边界识别更好;2)对于不同电性组合断层模型,AMT对相对低阻断层的模型识别效果优于相对高阻断层的模型,其中TM模式对于高阻的识别效果要好于TE模式;3)对于不同倾角的低阻断层模型,TM模式对于反演结果上、下盘梯度变化率反应明显,即变化率大的方向为倾斜方向;4)TE模式正演结果对于断层倾角变化的反应明显,可以作为识别断层倾角的参考。通过对AMT法在琼北锦山地区活动断裂(马袅-铺前断裂东段)勘测的实际资料及钻孔结果进行分析,得到了断裂空间展布的定量认识,表明断裂自第三纪以来均有剧烈活动,活动期次已达到全新世。研究结果为海南地区开发建设提供了地质地球物理依据,也为其断层活动性、岩浆活动性等的进一步探究打下了良好的研究基础。     

基于ITD-ELM的变压器绕组微弱匝间短路故障诊断

为了解决油浸式变压器内部绕组绝缘故障检测难度大的问题,提出了一种基于本征时间尺度分解(ITD)和极限学习机(ELM)的变压器绕组微弱匝间短路故障诊断方法。首先,将采集到的变压器可听声信号利用ITD算法分解为若干旋转(PR)分量,并将峭度值较大的分量信号相加,对可听声信号进行重构;其次,将重构后的变压器可听声信号作为模型输入层,故障诊断结果作为模型输出层,构建了基于ITD-ELM的变压器绕组微弱匝间短路故障诊断模型;最后,以一台110 V变压器搭建实验模拟平台,对其微弱匝间短路故障进行训练并诊断。结果表明：基于ITD-ELM模型的微弱匝间短路故障诊断精确率为98%,较传统的ELM故障诊断精确度提升了3%,验证了所提变压器绕组微弱匝间短路故障诊断方法的准确性。研究所提出的故障诊断方法准确性较高,可应用于现场运行的不同电压等级的油浸式变压器。     

基于层次分析法的瓦斯电厂火炬故障原因分析

运用层次分析法构建煤矿瓦斯电厂火炬故障原因AHP模型,利用山西省某矿瓦斯电厂火炬发生故障的资料汇总和专家评估结果,得出故障原因的权重,并利用历史数据对模型结果进行检验。检验结果表明,层次分析法在分析瓦斯电厂火炬故障原因方面有重要指导意义。     

延迟光照算法对Hadoop集群渲染系统的改进与实现

针对集群渲染系统在三维场景文件输出过程中,海量数据处理以及存储的问题,利用Hadoop框架对现有系统进行分布式模型改造,以基于延迟光照算法的处理方式,对分布式存储和计算的业务逻辑结构部署,实现改进Hadoop集群渲染系统对任务的处理策略,提供高容错、可靠的存储和海量计算数据的方式。通过实验证明改进的Hadoop集群渲染系统可以提高系统利用率和任务处理能力。     

电力变压器热故障的在线诊断技术

提出了基于变压器表面的红外热图像对变压器热故障进行在线诊断的方法。利用红外热像仪实时拍摄变压器表面的热图像,建立其温度分布场。根据变压器的表面温度、内部结构参数、物理特性参数和环境温度,建立其传热模型,对变压器内部铁芯故障点温度进行反演计算,通过与离线DGA诊断结果进行比较,证明了该方法的可行性,实现了变压器热故障的非接触、在线诊断。     

基于主成分分析和遗传程序设计的油浸式变压器故障诊断

提出了一种基于主成分分析和遗传程序设计的分类模型,并应用于油浸式变压器故障诊断中。该分类模型以变压器油中溶解气体的DGA数据为评价指标;通过对所采集数据进行主成分分析,减少了数据的冗余度,从而大大降低了问题的复杂度。实验证明该模型是高效可行的。     

基于DLNS-DSVDD的故障检测方法

为了解决支持向量数据描述方法对多模态动态过程故障检测率低的问题,提出了基于双局部近邻标准化的动态支持向量数据描述的故障检测方法。首先,应用DLNS方法标准化样本生成标准数据集;其次,利用动态方法将标准数据集构造成动态矩阵;最后,使用SVDD方法建立基于空间距离的统计量进行故障检测,应用DLNS-DSVDD方法对一个数值例子和田纳西-伊斯曼过程(TE过程)进行仿真测试,并与传统方法对比分析。结果表明,DLNS-DSVDD方法在具有更低的误报率的前提下拥有更高的故障检测率,平均误报率为2.2%,相比于SVDD方法降低了2.1%,平均故障检测率为88.2%,相比于SVDD方法提高了38.5%,证明了所提出的方法可以有效地监控具有多模态动态特征的化工生产过程。DLNS-DSVDD方法可以有效地剔除数据的多模态结构并且准确地捕获样本中的动态信息,为提高SVDD方法在多模态动态过程中的故障检测性能提供了参考。     

混沌神经网络在球磨机故障诊断中的应用

针对神经网络极易陷入局部极小的问题,采用引入动量项和混沌映射的改进BP算法,讨论引入动量项和混沌映射的神经网络综合模型的建模思路及其算法实现;介绍球磨机常见的故障类型,建立球磨机故障诊断的混沌神经网络模型,进行仿真试验,结果表明:该模型具有较高的预测精度,可以有效地运用于球磨机诊断中的故障预测。     

基于神经网络的无刷直流电机故障诊断和容错控制方法的研究

提出并设计了一种针对无刷直流电机控制器的故障诊断和容错控制方法。该神经网络状态观测器由实际非线性控制系统进行训练,根据实际系统和神经网络观测器输出残差,容错控制系统能够被确定下来。针对系统控制器、电流和速度传感器的故障条件进行了仿真分析,容错控制通过使用补偿控制器实现,保证系统故障条件下的稳定性和性能。结果表明,所提出的方法能有效地定位错误故障和时间,消除干扰并提高系统的鲁棒性。