一类非线性系统的突变故障诊断

针对一类非线性系统给出一种基于学习方法的突变故障诊断方法,设计了一个观测器,以此来检测、辨识和诊断一类非线性系统动态系统的故障。给出了故障检测的性能分析,并给出了检测时间上界。     

Synthetic seismograms of ground motion near earthquake fault using simulated Green’s function method

Seismograms near source fault were synthesized using the hybrid empirical Green＇s function method where the discretely simulated seismic waveforms are used for Green＇s functions instead of the observed waveforms of small earthquakes. The Green＇s function seismic waveforms for small earthquake were calculated by solving wave equation using the pseudo-spectral method with the staggered grid real FFT strategy under a detailed 2-D velocity structure in Kobe region. Magnitude and seismic moment of simulated Green＇s function waveforms were firstly determined by using the relationship between fault length and corner frequency of source spectrum. The simulated Green＇s function waveforms were employed to synthesize seismograms of strong ground motion near the earthquake fault. The synthetic seismograms of the target earthquake were performed based on the model with multiple source rupture processes. The results suggest that synthesized seismograms coincide well with observed seismic waveforms of the 1995 Hyogo-ken Nanbu earthquake. The simulated Green＇s function method is very useful for prediction of the strong ground motion in region without observed seismic waveforms. The present technique spreads application field of the empirical Green＇s function method.     

基于模糊集和粗糙集理论的故障诊断方法的研究

概括介绍了模糊集粗糙集的基本理论,对基于它们的故障诊断方法进行比较,并提出在故障诊断方法中一些可能的研究方向。     

数据挖掘中关联规则算法的研究及应用

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性.     

不确定时滞非线性混沌系统的鲁棒容错控制

研究了不确定时滞非线性混沌的鲁棒容错控制问题.基于Lyapunov泛函,运用线性矩阵不等式(LMI)的方法,利用不稳定不动点的控制,引入一种带时滞的状态反馈控制律,对传感器或执行器失效的情况,证明了一类非线性不确定时滞混沌系统对于传感器和执行器故障都具有完整性.结果表明,所给出的控制律不但可以实现对某些传感器故障的容错,而且在正常和故障情况下对于传感器和执行器故障都具有完整性.     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

异构网络环境中的自适应在线故障检测

通过研究网络流量异常检测，提出一种新的基于自适应自回归(AAR)模型的在线故障检测算法．该算法只利用标准管理信息库，因此检测不依赖于特定产品类别，适用于异构网络环境．验证了流量信号的非平稳特性，并采用模拟获取的网络流量拟合AAR模型．由于不必将整个时间序列进行分片和单独拟合，算法可以直接处理获取的新数据，实现真正意义上的在线故障检测．利用时间平均方法消除了网络噪声的影响．在实验中，故障检测结果与预设的故障场景完全对应，进一步证明了该算法的准确性．     

平行双回线路单回线不对称故障时提取故障分量的新方法

针对传统的只能在故障后2到3个周波提取故障分量的缺点,提出了单回线不对称故障在整个故障过程提取故障分量的新方法.该方法在平行双回线路的六序故障分量理论和单回线不对称故障复合序网图的基础上,根据同向网正、负序电流分布系数相等和反向网正、负序电流分布系数相等的特点,用正、负序电流反向量和负序电流同向量间接求得正序电流同向量的故障分量,进而合成得到每回线各相电流的故障分量.该方法不受负荷电流和电网参数波动的影响.PSASP和MATLAB仿真表明,通过该方法得到的故障分量同实际故障分量相同,而且可以长时间提取.     

基于经验模式分解的包络解调技术及其应用

提出了一种新的调制信号解调分析技术,来抑制传统的包络解调方法中经常出现的无意义的频率成分.首先,对复杂的振动信号进行经验模式分解,得到若干个基本模式分量,再对包含调制信号的基本模式分量进行包络分析以提取故障信息.该方法利用经验模式分解来实现故障信息的有效分离,从而提高了诊断信号的信噪比.利用该方法对某齿轮箱轴承座振动信号进行经验模式分解,进而解调出高速轴转频这一调制频率,准确地诊断出该故障是由齿轮轴不对中所引起的,通过针对性的维修后,消除了故障,从而验证了该方法的有效性.     

配电网馈线自动化的模式比较及故障判定

通过对目前存在的几种配电网馈线自动化故障恢复模式的分析比较，指出基于FTU的配电管理系统是非常先进的一种解决方案。在此基础上提出了故障判定的一种方法，亦即首先建立网络状态矩阵D，然后根据故障情况建立故障判定矩阵Dp，最后．依据故障判定矩阵判断出故障区间。并通过一个实例提出了一种故障恢复的方案。