一种新型的负荷开关卡涩故障检测方法

负荷开关在合闸操作过程中,其储能电机的电流信号形态能有效表征开关的机械状态。基于此,提出一种基于储能电机电流时域特征与随机森林算法的负荷开关机械故障检测方法。首先,利用电流变化率及均值作为启动录波判据,来获取有效的电机电流波形;然后,对电机电流信号提取多个时域特征,并通过随机森林中基尼指数完成特征重要性评估,选取峰值因子、偏度、均方根及峭度构造判别特征向量;最后,使用随机森林分类算法完成开关卡涩辨识模型的训练与测试。实验结果表明,所提方法能有效提取负荷开关储能电机电流信号特征,对开关运行状态的辨识准确率达到98.33%。     

排水管道堵塞故障的声诊断方法研究

针对现有城市排水管道堵塞程度难以辨识的问题,提出一种基于多特征融合与随机森林的排水管道堵塞程度辨识方法.首先对排水管道中采集到的声响应信号进行分帧处理建立信号帧集合.其次,提取各个信号帧的A计权总声压级、能量熵、分形盒维数指标构建特征向量集合;引入距离可分性判据,以达到对特征向量集合去冗余并提高特征区分度的目的;并利用类内类间散布矩阵的迹作为权重实现特征的加权融合.最后,对加权融合的特征向量集合使用随机森林进行故障辨识.实验结果表明,基于距离可分性判据的多特征融合特征向量集合可取得更高的管道堵塞故障识别率;同时,随机森林的堵塞辨识模型与SVM辨识模型比较,随机森林辨识模型有较高的准确率和较快的辨识速度.经验证,本方法不仅能有效地识别不同程度的管道堵塞故障和重复堵塞情况,而且能够排除管道配件比如三通件对故障识别的影响.     

非线性自回归模型在轨道车辆转向架运行状态辨识中的应用

提出一种基于非线性自回归模型(GNAR模型)的轨道车辆转向架运行状态辨识方法。对不同状态的转向架系统输出信号建立GNAR模型,通过模型特征量,辨识系统不同状态,实现转向架运行品质实时动态监测。在ADAMS/Rail平台下的虚拟样机仿真实验说明了该方法的有效性和可行性,GNAR模型的特征量能够体现车辆转向架系统运行状态信息变化,用于判别其是否偏离正常功能,通过对这些特征量的监测和辨识,可以保证车辆系统的运行安全。     

触发式最小电流扰动的孤岛检测方法研究

针对目前采取主动电流扰动法,使并网逆变器输出功率带来一定时间变化的问题,提出一种触发式最小电流扰动方式.以电网侧低压断路器分闸时产生的电弧信号作为触发条件,启动最小电流扰动量的加入,从而快速检测孤岛现象.根据IEEE Std.929-2000技术标准对该方法进行仿真和实验研究,验证方法的有效性.研究结果表明,该方法不仅没有盲区,且大大减少了加入扰动的时间,改变逆变器一直处于过载或欠载的运行状态,提高了逆变器使用寿命.     

基于ARMAX模型的挖掘机液压系统故障检测

根据挖掘机的可靠性水平和智能化程度,提出了一种基于ARMAX(Auto-Regressive Moving Average Exogenous)模型的挖掘机液压系统故障检测方法.使用系统正常状态下的信号样本建立系统的ARMAX辨识模型,通过休哈特控制图分析ARMAX辨识模型的输出残差,以获取故障检测的阈值;然后,将系统故障状态下的信号样本代入ARMAX辨识模型,当模型残差超过阈值,即能判定系统发生故障.实验分析表明,基于ARMAX模型的故障检测方法够有效地检测挖掘机液压系统产生的故障.图3,参10.     

基于多维缩放和随机森林的轴承故障诊断方法

为快速准确识别轴承的运行状态,提出了一种基于多维缩放和随机森林的轴承故障诊断方法。该方法采用函数型数据分析,得到轴承振动信号自相关函数的拟合系数,构造故障特征集;使用网格搜索法优化随机森林参数,得到特征重要性排序;然后使用多维缩放方法对特征选择后的故障特征集进行降维;最后采用随机森林对降维后的故障特征进行诊断识别。为验证所提方法的有效性,开展了正常、内圈故障、外圈故障、滚子故障状态下的轴承振动实验,结果表明,函数型数据分析的特征提取方式能有效表征不同状态轴承振动信号的不同特征,与t分布随机邻域嵌入和主分量分析方法相比,多维缩放方法具有更高的类间距和类内距的比值,且优势明显,各类状态的诊断准确率均高达100%,较使用原始特征集的随机森林平均准确率提高了5%。     

小波包频带能量分解在断路器机械状态监测中的应用

基于小波包原理,将断路器操作振动信号分解到独立的频带内,不同频带内信号能量的变化反映了断路器机械运行状态的改变.提取主要的频带能量作为断路器状态监测的特征向量,并根据试验结果确定了不同状态下能量特征向量的容差范围,从而实现了不同机械状态的简单分类,为断路器的机械状态监测提供了相应的量化依据.试验模拟了ZN12-35型真空断路器4种不同的合闸同期性状态,采用单个加速度传感器在机构箱上获取合闸时的触头振动信号.该信号经过小波包频带能量分解后,可以将各种合闸同期性状态分类集中在复平面中明显区分的不同区域内,从而验证了该方法在断路器机械状态监测中的有效性.重复试验表明,在保证监测系统稳定的前提下,该方法具有较高的状态监测准确率.     

基于WPT-VMD-BP的孤岛检测法

针对现有被动孤岛检测法检测盲区大、准确率不高的问题,提出了一种小波包（Wavelet Packet Transform,WPT）、变分模态分解（Variational Mode Decomposition, VMD）和BP神经网络相结合的孤岛检测法.采集光伏电站公共耦合点（PCC）处工况数据,并利用WPT对电压波形中的特定频率成分进行滤波;采用VMD将滤波信号分解为具有不同中心频率的模态分量,并将其合成所需的电压特征向量;利用BP神经网络对工况数据进行学习分类,判断是否发出并网断路器跳闸信号.通过PSCAD/MATLAB联合仿真,验证了所提孤岛检测法的有效性,并探究了不同干扰工况下该检测法的抗干扰性能.     

双边永磁同步直线电机随机模型系统辨识

为解决双边永磁同步直线电机离散传递函数模型参数动态变化、传统方法辨识精度低的问题,提出一种基于随机模型的系统辨识方法,分析运动过程中的系统特性,结合具有随机扰动项的Box-Jenkins模型,辨识动态系统传递函数模型参数。通过注入不同频率逆M序列电流信号,充分激发系统响应,比较分析不同实验条件下的系统辨识结果。选择预报误差法定义平方差代价函数,运用Levenberg Marquardt算法不断迭代优化以获得传递函数模型最优参数。通过对不同采样频率、不同注入电流幅值和不同电机运动速度条件下的系统辨识对比分析,获得最佳辨识模型。结果表明,当采样频率为1000 Hz,注入电流幅值为2.0 A和电机运动速度为50 mm?s-1时,获得最优辨识仿真输出匹配度为94.81%,平方差为7.84×10-4。     

主动频率漂移法孤岛效应检测分析与优化

采用间歇性扰动和加大频率扰动周期的方法提高并网逆变器主动频率偏移法孤岛效应检测的性能,减小其检测盲区.在间歇性扰动方法中,插入不施加扰动的时段,孤岛效应情况下该时段内系统工作频率为负载的谐振频率,根据谐振频率来确定扰动的方向,可获得相应扰动幅度下最小的检测盲区;加大频率扰动周期的方法可以相对较小的频率扰动幅度,在保证电流波形质量基础上进一步提高孤岛效应检测的性能.     

基于模态能量的随机子空间虚假模态剔除

针对基于协方差驱动随机子空间辨识法虚假模态影响识别结果的问题,提出了一种基于模态能量的虚假模态剔除方法.利用输出矩阵、状态矩阵的特征值与特征向量以及状态-输出协方差矩阵计算出识别结果中各阶模态分量的模态能量,对各假设模型阶数下计算出来的能量进行排序,保留能量最大的前j个模态用于绘制出稳定图,剩下的模态视作为虚假模态予以剔除.通过对3自由度的线性时不变系统和重庆朝天门长江大桥模型进行辨识,验证了该方法的有效性.     

混沌同步系统降噪方法及其在滚动轴承故障诊断中的应用

提出了一种基于混沌同步系统的降噪方法,将其应用于滚动轴承振动信号的前期处理,并结合功率谱密度进行故障诊断.分析Chua电路混沌同步系统的降噪机理,讨论系统处于不同运行状态时,输入信号对相空间运行轨迹的影响;搭建混沌同步系统降噪模型,分析其检测特性,并与其他方法进行比较;将滚动轴承不同损伤模式下测得的振动信号输入该模型,比较振动信号和同步误差信号的时域波形和功率谱密度,并通过峰值查找,匹配对应的故障特征频率.新方法利用了混沌系统的噪声免疫性和可同步性,避免了现有方法参数设定复杂和运行状态判定困难的问题.结果表明该方法可有效提升被测信号的信噪比,能与传统方法结合形成新的故障诊断方法.      

基于扰动后暂态量的戴维南等值参数辨识方法

针对现有戴维南等值参数辨识算法对等值系统发生扰动时适应能力不强的情况,提出了基于系统扰动后暂态量的戴维南等值参数辨识方法.首先对等值系统扰动下传统等值方法无法辨识戴维南等值参数进行了分析,然后阐明了基于扰动后暂态电压电流信号辨识等值参数的实现原理,利用最小二乘法求出端口电流电压约束关系下微分方程的系数,对比等值网络稳态时的等值参数,从而获得该等值网络暂态状态的戴维南等值参数.通过对简单电路网络和IEEE9节点系统进行仿真分析,结果验证了此方法在等值系统扰动后对戴维南等值参数进行跟踪辨识的可行性和有效性.     

非平稳背景噪声下微弱高频CW信号的自适应检测

在强噪声背景下,基于时频联合分析的高频CW信号检测算法性能严重下降,同时标准Kalman滤波器对非平稳背景噪声下微弱高频CW信号也失效.针对此问题,本文提出了一种基于ARMA新息模型的自适应Kalman滤波器检测方法.该方法避免了标准Kalman滤波检测CW信号时需要确定系统噪声统计特性的问题.论文根据CW信号的状态空间随机信号模型,构造了ARMA新息模型,通过在线辨识MA模型参数来估计Kalman滤波增益,从而实现了CW信号的自适应跟踪滤波.仿真结果表明,该方法能够在强噪声背景下动态跟踪CW信号时域波形,且算法简单,实时性强,可用于指导高频CW电报自动接收设备的研制.     

基于随机矩阵谱分析的机械液压传动系统故障辨识方法

传统故障辨识方法受机械液压传动系统故障影响,存在故障辨识率低、有效性差问题,提出基于随机矩阵谱分析的机械液压传动系统故障辨识方法.通过分解故障振动信号,得到故障信号的特征向量函数,利用线性分析提取故障信号的随机变量;根据故障信号求解,提取机械液压传动系统故障特征;利用随机矩阵谱分析方法描述机械液压传动系统的状态空间,推算机械液压传动系统的状态方程;利用机械液压传动系统的残差阈值,检测到机械液压传动系统故障;通过对比机械液压传动系统故障的贴近度,选取最大值作为机械液压传感系统的故障信息,实现机械液压传动系统故障辨识.实验结果表明,该方法具有更高的故障辨识率.     

基于提升小波和Hilbert变换的暂态电能质量检测

针对暂态电能质量检测中信号扰动的准确定位和快速类型识别的需求,提出了一种提升小波和Hilbert变换融合的暂态电能质量检测方法.该方法首先利用提升小波在检测信号扰动方面的优越性,通过一层提升小波变换得到信号的近似成分A₁与细节成分D₁,然后运用Hilbert变换计算出两种成分的瞬时幅值,根据幅值特性实现对信号扰动时刻的准确定位和对扰动类型的快速识别.仿真与实验表明,所提出的检测方法对扰动时刻定位准确率达到95.7%,对扰动类型识别准确率达到91.8%,与目前使用分类器的方法相比,所提方法具有无需训练、适应性强、实时性好等特点.      

基于门控循环注意力网络的配电网故障识别方法

为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明：所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.     

汽车发动机主动隔振系统的前馈反馈最优控制

基于2自由度的发动机简化模型,针对发动机的外部干扰信号由线性外系统的输出描述,通过引入扰动补偿信号,给出发动机系统的前馈反馈最优控制器的设计方法.该控制器由状态反馈项和扰动输入前馈补偿项构成,前馈项用于补偿干扰输入对发动机的影响,控制器的反馈和前馈增益可通过求解代数方程得到.仿真算例表明:该方法对抑制发动机的外部干扰有很好的鲁棒性.     

基于生物地理学优化算法的高速磨削电主轴定子电阻辨识

目的减小电主轴在运行过程中定子电阻变化导致的电主轴转矩脉动,进而提高高速磨削机床加工精度.方法基于直接转矩控制系统下的高速磨削电主轴温度检测试验数据,将BP神经元网络算法与随机扰动的生物地理学优化算法(MLBBO)相结合,利用MLBBO算法对传统的BP神经网络权值和阈值进行优化,建立基于MLBBO-BP的定子电阻辨识模型,并利用MATLAB进行仿真.结果利用MLBBO-BP模型方法对直接转矩控制系统下的电主轴定子电阻辨识精度可达±0.3%,模型辨识能力较强.和传统的BP神经网络辨识定子电阻方法相比,精度更高.结论利用MLBBO-BP方法可以有效地辨识定子电阻,辨识精度较高.     

基于模型参考和随机森林算法的船舶操纵运动辨识建模

采用模型参考和机器学习相结合的辨识建模结构对船舶操纵运动建模.首先,选择已公开模型作为参考模型;其次,使用相似准则把被辨识船舶速度转移到参考模型;最后,使用随机森林模型构建被辨识船舶加速度和参考模型加速度的映射关系.随机森林模型具有训练快、避免过拟合的优点.使用船模试验数据进行辨识建模和模型验证,并与MMG模型和BPNN进行对比.结果表明,该辨识方法具有较强的可行性、预报能力和泛化能力.