基于Petri网和故障树的电力系统故障诊断模型

电力系统元件发生故障后,继电保护动作发出信号使相连的断路器断开,有效地保护了元件,但是也为故障的诊断增添了困难。本文针对带有主保护和后备保护的电力系统故障诊断建模困难复杂等问题,提出用故障树分析法对核心故障建模,并将故障树模型转换为对应的Petri网模型,运用Petri网的状态转移方程进行矩阵运算,不仅清晰的表示了故障的发生和形成,也能快速准确的诊断出故障发生元件,降低诊断的复杂性。实例分析说明了该方法准确性和有效性。     

电力系统故障诊断的萤火虫和粒子群混合算法研究

电力系统故障诊断主要就是根据保护和断路器的动作信息来判别故障区域,而找出故障元件又是其难点和主要工作,以目标函数描述其模型,则故障诊断问题转化为0-1整数规划问题。适合于智能算法求解。用粒子群算法解决该问题时收敛速快,但容易陷入局部最优值;用萤火虫算法时能够找到全局最优值,但其后期收敛速度较慢。论文融合这两种算法并用之求解故障诊断的目标函数,仿真结果表明：融合后的算法兼备两种算法的优点,能够以较快速度收敛,并找到全局最优解,且收敛精度高,稳定性好。     

基于RBF网络的断路器电流自适应保护研究

针对传统断路器电流保护方法存在受系统运行方式影响、整定困难、智能化低等问题,本文提出了基于RBF的断路器电流自适应保护算法,并给出了算法的模型。该算法融合了RBF神经网络的故障检测和电流自适应保护。首先通过RBF网络检测负载线路的电流故障,然后用电流自适应算法进行保护。在对神经网络进行训练时,利用PSO算法对RBF神经网络的参数进行优化以此来提高网络的泛化能力和学习能力;然后采用优化后的PSO-RBF神经网络对电流故障进行诊断。实验表明,该算法较大地提高了断路器智能化管理水平。     

基于强化学习和蚁群算法的WSN节点故障诊断

为了克服现有的WSN节点故障诊断方法所具有的难以实现在线诊断和诊断精度仍然不够高的缺点,设计了一种基于Sarsa算法和改进蚁群算法的WSN节点在线故障诊断方法。首先,建立了监测区域的网络模型和WSN节点故障诊断模型,然后,采用主成分分析法对节点故障样本数据进行降维,从而提高诊断效率,将样本数据作为层次,将故障诊断类作为各层节点建立层次树,采用改进的Sarsa算法求取各层节点的Q值,并将其用于初始化蚁群算法中路径的信息素,最后,提出了一种改进的蚁群算法求取从第一层出发的蚁群到各层节点之间的路径,将各层中信息素最大的节点作为最终的故障诊断类别。在Matlab环境下进行仿真实验,结果证明文中方法能有效实现WSN节点故障诊断,且与其它方法相比,具有故障诊断精确度高且能在线故障的优点,是一种有效的节点故障诊断方法。     

基于改进的自适应回归时序模型故障诊断

汽车变速箱的故障诊断工作比较复杂,由于传统的诊断方法已不能满足复杂的故障现象, 文中提出了一种基于改进的自适应回归时序模型故障诊断方法;方法采用了基于时间序列故障诊断技术,首先测取工作环境下的振动信号,然后建立被诊断对象的时间序列数学模型,最后用信息距离判别法诊断出故障类型,提高了诊断效率;最后在变速箱进行了实验研究;选用型号为621B40型ICP加速度传感器测取变速箱的振动信号,通过设置模型参数(n,m)来模拟故障检测,实验分析表明,提出的算法可以有效地识别变速箱系统中不同严重程度的故障,且与传统的故障诊断算法相比,提出的算法对提高识别率和降低计算复杂度都有着明显的优势。     

基于有色Petri网的工作流故障诊断方法

工作流系统的故障自动诊断和定位是云计算环境提供持续服务的基础。为了提高工作流系统的故障诊断准确性,本文提出了一种基于有色Petri网的故障诊断方法。首先,用开放世系模型对工作流进行建模。然后,提出了一种基于有色Petri网的故障模型。最后,将工作流的开放世系模型转化为有色Petri网故障模型,并提出了相应的多故障诊断方法。实验表明,本文提出的方法不仅故障定位的准确率和执行效率高于相关算法,还能有效的识别系统中的多个故障。     

基于SA-WNN模型的水电机组故障诊断研究

针对水电机组振动故障征兆和故障类型的非线性特性及传统小波网络在故障诊断中的缺陷,设计了一种基于模拟退火算法的小波神经网络(SA-WNN)故障诊断模型。将SA-WNN诊断模型应用到水电机组四种典型故障,验证其可行性。实例结果表明,与传统小波网络相比,基于模拟退火算法优化的小波神经网络训练次数少,收敛精度高,为水电机组故障诊断提供了新途径。     

基于稀疏编码和禁忌优化的故障信号抽取方法

为了克服经典正交匹配算法获取原子集时遍历冗余字典具有较大时间开销的缺点,提出了一种基于压缩感知理论和禁忌优化算法的的稀疏故障信号特征提取方法;首先引入了压缩感知模型并描述了基于信号稀疏表示的故障诊断原理,设计了满足RIP准则以最小化l₁范数为目标的稀疏信号解的求解方法,然后定义了一种基于正交匹配算法的稀疏信号重构算法,并以最小化余量为目标函数,采用改进的禁忌搜索算法在原子空间中搜索满足目标函数的最优原子集,最后,给出了基于稀疏编码和禁忌优化混合模型的故障信号提取算法;在Matlab仿真环境下对滚动轴承故障信号进行试验,仿真结果表明:文章方法能有效地对具有强噪声的故障信号进行稀疏重构,不仅具有较高的信噪比,而且具有较小的余量误差和仿真时间,与其它方法相比,具有较大的优越性。      

两种前向神经网络在变压器故障诊断中的应用

针对依靠变压器油中溶解气体分析的传统故障诊断方法存在的不足以及未来智能诊断算法进一步发展的需要,在研究人工神经网络的基础上,介绍了两种前向神经网络在变压器故障诊断中的应用,并用大量的DGA样本数据做了仿真训练。首先讨论了几种常用变压器故障诊断方法的一些缺陷,通过分析现代智能诊断算法的局限性,得出改进人工神经网络的优势。然后结合两种前向神经网络的原理和结构,对变压器内部故障进行了分类和编码。分别设计了相应的故障诊断模型,在MATLAB中做了仿真测试,并给出了仿真程序。仿真结果表明,两种神经网络用于变压器故障识别较为理想,其中PNN网络在样本数量较多时效果更好,有效提高了变压器故障诊断的正确率。     

改进粒子群算法优化支持向量机在故障诊断中的应用研究

支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

基于概率盒的电网故障诊断方法研究

针对电网故障信息存在丢失、误动、拒动等不确定性问题,文章采用概率盒理论和支持向量机相结合的方法对电网故障进行诊断,充分利用概率盒在处理不确定问题上的优势。首先利用概率盒对故障录波、电气量等数据建模,然后利用融合规则将得到的多个概率盒进行融合,并提取特征向量。最后,利用支持向量机进行分类,并得出诊断结果。为了验证方法的有效性,采用仿真线路进行概率盒的故障诊断,实验验证该方法合理可行,且有较高的诊断率。     

A Fault Diagnosis Method Considering Meteorological Factors for Transmission Networks Based on P Systems

Bad meteorological conditions may reduce the reliability of power communication equipment, which can increase the distortion possibility of fault information in the communication process, hence raising its uncertainty and incompleteness. To address the issue, this paper proposes a fault diagnosis method for transmission networks considering meteorological factors. Firstly, a spiking neural P system considering a meteorological living environment and its matrix reasoning algorithm are designed. Secondly, based on the topology structure of the target power transmission network and the action logic of its protection devices, a diagnosis model based on the spiking neural P system considering the meteorological living environment is built for each suspicious fault transmission line. Following this, the action messages of protection devices and corresponding temporal order information are used to obtain initial pulse values of input neurons of the diagnosis model, which are then modified with the gray fuzzy theory. Finally, the matrix reasoning algorithm of each model is executed in a parallel manner to obtain diagnosis results. Experiment results achieved out on IEEE 39-bus system show the feasibility and effectiveness of the proposed method.     

Instabilities and Statistical Behavior of Low Current Cold Cathode Arcs

This paper presents a study of instabilities and of spontaneous extinctions which occur in low current dc arcs between metal electrodes. A theoretical model for the behavior of emitting sites on the cathode surface is proposed. This model explains experimental results obtained in arc duration measurements and arc noise correlation. The model yields figures for site life time and elementary current of emitting sites. These values are compared with those given by other authors. The proposed model can be applied to explain arc duration and related erosion occuring in telecommunication relays and circuit breakers.     

基于CEEMD特征提取的无绝缘轨道电路补偿电容故障诊断

本文利用电路网络理论和传输线理论构建ZPW-2000A轨道电路传输模型,仿真并分析了补偿电容故障对轨面电压的影响,提出基于互补的总体经验模式分解(CEEMD)特征提取的补偿电容故障诊断方法。实验结果表明,相比于传统经验模式分解(EMD)和总体经验模式分解(EEMD),基于CEEMD特征提取的补偿电容故障诊断方法可以有效地克服EMD方法引起的模态混叠和能量泄露现象,减少EEMD方法在信号重构过程中的白噪声残留,为补偿电容的故障诊断提供了一种快速准确的方法,为保证信号传输质量提供了参考依据。     

Ni-Ge共掺杂下对AgSnO2触头材料性能的第一性原理分析

AgSnO₂触头材料是一种环保型低压触头材料,由于具备良好的耐电弧以及抗熔化焊能力,广泛适用于接触器,继电器以及低电压断路器中.采用金属元素Ni与Ge共掺杂的方式对SnO₂的导电性能进行改良.运用CASTEP软件对元素掺杂前后的SnO₂各项性能进行了仿真试验.结果表明：金属元素Ni与Ge单掺杂和共掺杂与本征SnO₂相比,其禁带宽度均会有不同程度的减小,其中Ni-Ge两种元素共掺杂时的禁带宽度值最小,这就表示电子可以更加容易的进行跃迁,其导电性也最好;由弹性常数分析可知,金属元素Ni-Ge共掺杂时材料的弹性最弱,韧性最强.     

基于信息增益率的WNB水下机器人故障分类

提高故障诊断能力对于确保水下机器人系统的稳定运行具有重要意义,故障分类是目前水下机器人故障诊断所面临的一个重要问题。针对水下机器人推进器系统数据特征,提出一种基于信息增益率的加权朴素贝叶斯故障分类算法。首先,计算故障训练样本的先验概率,将各属性的信息增益率作为权值;其次,构建基于增益率加权的朴素贝叶斯分类模型;然后,对检测的故障数据利用分类模型获取具有最大后验概率的故障模式,实现故障分类。与朴素贝叶斯算法和决策树算法相比,仿真实验结果表明基于信息增益率加权的朴素贝叶斯算法的分类成功率更高,能够有效地实现水下机器人的故障分类。     

PSO优化LS-SVM在模拟电路故障预测中的应用

针对模拟电路故障预测的特点,提出一种基于PSO优化LS-SVM惩罚因子和核参数的模拟电路故障预测方法。利用小波包分解重构构造能量特征向量,通过计算PPMCC和欧氏距离来表征电路中元件的健康程度,定义为健康度,由此推导出电路发生故障时该元件的故障阈值。应用PSO优化的LS-SVM模型来实现模拟电路的故障预测,预测各个时间点的健康度变化轨迹并估计模拟电路的剩余寿命。通过仿真实验得知,该方法简单便捷,能够有效实现模拟电路的故障预测,具有较好的实用性。     

列车防滑器主机故障诊断系统设计

SAB型列车防滑制动系统应用于国内T型列车,数量多,为了提高列车防滑器主机故障检测和维修效率,针对SAB WABCO公司的SWKAS20C型列车防滑器主机,设计了元件级故障检测与定位专家系统。通过研究模拟电子电路故障诊断技术,设计了基于支持向量机的多故障分类器,用于主机模拟电路故障样本数据的训练和测试,并通过改进算法寻优向量机参数,提高了故障诊断的准确度。搭建了模拟列车运行环境的测试平台,用以模拟主机在多种状态下的故障模式;使用VS2010开发环境编写了MFC专家系统。