改进的D-t-SNE滚动轴承故障数据集降维方法

针对传统降维方法难以保持数据集的局部与全局几何结构特征问题,选择测地距离作为度量指标,提出改进t-SNE的故障数据集降维方法D-t-SNE.首先提取消噪振动信号的多域高维故障数据集,在对其进行归一化处理之后,利用GD指标改进后的D-t-SNE算法对高维故障数据集进行降维运算,去除冗余信息,然后通过不同的分类器对低维特征子集进行故障模式辨识.以UCI数据集和双跨转子实验台的模拟故障数据集为实验对象对D-t-SNE算法进行验证,并与SNE和t-SNE算法的各项实现结果进行对比.结果表明,D-t-SNE算法具有通过降低高维故障数据集的维数从而达到降低故障分类难度、提高故障辨识准确率的性能,可为降低旋转机械原始故障特征数据集的规模、降低故障分类的难度与提高故障辨识结果的可视化效果提供理论参考依据.     

基于局部保持映射和隐马尔科夫模型的模拟电路故障诊断方法

针对模拟电路信号的非线性特征,提出一种基于局部保持映射和隐马尔科夫模型的故障模式识别新方法. 首先提取模拟电路的信号特征构成原始高维特征样本空间;然后采用LPP算法将原始高维故障数据映射至低维空间,提取数据的内在流形特征作为特征矢量;最后通过构建混合HMM反映系统的真实状态,并作为分类器实现对各状态的分类识别. 通过仿真分析,将该方法与其他方法进行对比,结果表明,LPP-HMM方法可以有效识别早期故障特征,具有较高的故障识别率.      

灵敏度分析在升压电路故障预测中的应用

针对传统故障预测算法中无法通过经验值准确确定电路影响因子的问题,选用结构复杂的改进型升压电路作为电路模型,通过交直流灵敏度分析确定故障预测算法中需要的辨识参数及特征参数,建立故障预测算法,对器件的相应参数值进行预测.研究结果表明,预测数据与真实数据的相对误差控制在合理范围内,成功完成了对算法的改进.研究结论进一步降低了故障预测算法的辨识误差,提高了电路故障预测的准确性和实用性,避免了电路故障的发生.     

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题，提出了一种基于支持向量机的机械故障诊断新方法，介绍了该方法的原理和算法，并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器，不必进行信号预处理以提取特征量，便可实现多故障的识别和诊断。测试结果表明，当数据样本中含有26％的噪声时，故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。     

基于灰值区间的微阵列模拟数据生成算法

针对微阵列芯片数据采集量大、 获取成本高的问题, 提出一种新的基于灰值区间的微阵列模拟数据生成算法. 该算法通过灰值度量的方式模拟微阵列数据中基因的差异表达属性, 结合聚类分析方法创建聚类隧道, 进而产生与原始数据具有相似数理分布及生物学意义的模拟数据. 采用模拟数据和真实生物数据对算法进行实验验 证与分析, 实验结果表明, 基于灰值区间理念与聚类隧道产生机制生成的模拟数据是有效且可靠的.     

基于改进鲸鱼算法优化神经网络的飞机空气循环系统建模及故障分析

飞机空气循环系统在飞行过程中很容易出现故障,因此在地面上模拟仿真飞机空气循环系统有着重要意义.首先建立飞机空气循环系统仿真模型,针对该系统建立神经网络模型进行训练;引入PID控制算法调节参数以应对飞机遇到的不同飞行状况;针对神经网络模型引入鲸鱼算法,并运用烟花算法、重启机制和正余弦混沌双弦算法对鲸鱼算法进行改良.结果表明:模型可以模拟飞机引气到排出过程,以及不同情况下飞机空气循环系统4个主要组件的出口温度;神经网络系统可以根据输入指标数据预测不同组件的出口温度,并分辨出飞机空气循环系统是否出现故障及哪里出现故障.改进后的神经网络训练速度加快,准确率提升,明显降低了陷入局部最优值的可能性.     

感受野视觉特征整合模型及应用

 采用基本ICA模拟视觉感知机制对自然图像分解得到的图像基函数在空间排列上是混乱的,这与视觉生理机制相互矛盾.模拟视皮层感受野间的信息整合机制,建立了新的计算模型.针对基于内容的图像故障区域检测问题,提出了相应的高效率少样本检测算法. 首先,以列车正常和故障图像序列作为训练数据,利用拓扑ICA方法学习图像基函数,由此得到的独立分量系数作为神经元响应,然后模拟同步振荡机制选择响应强烈的神经元,输出其对应的内容,最后通过自动对比实现图像故障区域的快速定位.实验结果表明,与传统方法相比较,引入视觉信息整合机制的新模型及其算法能够提高故障检测率.     

加权模糊聚类及其在电力变压器故障诊断中的应用

理论分析和实践表明,电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关.融合上述两类信息,对充油电力变压器DGA数据进行分析,提出针对特征气体组分含量和组分比值的规格化及提升与压缩数据处理方法,使用权值表示各类数据对于故障划分的相对重要程度,完成故障聚类,并设计出一种加权模糊聚类算法,该算法可实现故障聚类,计算故障聚类原型,完成权值的计算和优化.     

高精度故障电弧检测多传感器数据融合算法

 由于故障电弧的物理特性复杂, 且电路中存在与故障电弧波形相似的负载, 因此传统 检测故障电弧的方法误判率较高. 提出了一种多传感器数据融合算法, 用于提高故障电弧的检测精度. 该算法包括自适应加权融合算法和神经网络融合算法, 实现了对温度传感器、声音传 感器和弧光强度传感器所获取的传感信号的数据融合. 自适应加权融合算法克服了单个传感 器的不确定性, 实现了同质传感器中故障电弧特征的提取, 为神经网络融合算法提供了精确的测试样本数据; 神经网络融合算法可自行调整各类异质传感器的权重, 使故障电弧的辨识率更高. 实验结果表明, 该算法可有效提取故障电弧的特征, 辨识精度超过98%, 实现了高精度的故障电弧检测.     

高斯模糊核聚类的模拟电路在线故障诊断算法

为提高模拟电路故障在线诊断的运算速度与可靠性,采用高斯模糊核聚类算法对模拟电路故障进行非监督学习。该故障诊断算法的关键是利用已知故障数据类中心点确定故障类。利用模糊核聚类的高效识别树型结构减少训练样本规模、处理模糊类中的野值点,以提高分类器的训练速度和精确度。根据每一类故障数据得到的故障参数均值,设其为故障判断阈值,并赋予类标。在三种不同故障条件下,对Sallen-Key低通滤波器电路进行故障诊断的仿真实验。结果表明：与RBF监督学习方法相比,β-MKFCM方法能够高效地辩识已知故障与未知故障。该研究为电路在线故障诊断提供了参考依据。     

一种配电线路单相接地故障测距算法

单相接地故障是配电线路发生几率最高的故障类型,快速、准确的故障定位对于维护配电线路的安全运行有重要意义。基于对称分量分解的原理,建立了线路分布参数模型,从单相接地的特点出发对测距判据进行了研究并构造了判据函数,提出了利用单侧信息的配电线路单相接地故障测距算法。大量的计算机仿真结果表明该算法对于单条线路和带分支的线路都是有效的,而且准确度与接地阻抗是否为纯阻性无关,非常适用于配电线路接地故障测距     

基于迁移学习的卷积神经网络电网故障诊断

电网拓扑结构复杂、分支众多、潮流分布不平衡、故障样本较少且难以获取。为提高配电网的故障诊断准确性,提出将迁移学习的思想与卷积神经网络(convolutional neural networks, CNN)相结合,以此来解决目标域样本不足导致训练效果差的问题,同时利用主成分分析(principal component analysis, PCA)对时序数据进行降维,提升运行速率,形成配电网故障诊断方法。首先对PCA和CNN的结构特点进行分析;然后通过仿真模拟不同的故障条件,生成面向CNN的时序数据。再通过最大均值差异法(MMD)选择出最适合迁移的源域数据,建立源域故障识别的预训练模型。最后使用目标域数据,在预训练模型的基础上进行迁移微调训练,得到故障诊断模型。仿真结果表明,该方法能够在小样本的情况下迅速完成对故障类型的精准预测。     

配电网接地故障定位的传递函数法

为解决配电网的单相接地故障定位问题 ,提出一种新的单端测距算法。该方法基于频谱分析的原理和线路的分布参数模型 ,建立配电网络的传递函数 ,从单端施加激励信号 ,由传递函数的频谱特性构造判据进行故障定位。理论推导和计算机仿真计算表明 ,根据各分支端口传递函数频谱的频率、相位和波形特征可以有效实现配电网的接地故障定位并测距。由于该方法不受负载参数变化的影响 ,测量方便 ,克服了以往单端测距算法的缺陷 ,因此有很好的应用前景     

低压配电系统选择性保护短路电流峰值早期预测的算法研究

在短路故障早期诊断基础上,提出一种基于最小二乘法的低压配电系统短路电流峰值预测计算方法.该方法利用少量电流数据与故障电压初相角进行曲线拟合,可预测出短路电流发展趋势及峰值,使得通过实时在线预测短路电流峰值实现低压配电系统全局选择性保护成为可能.通过C语言编程与Matlab短路故障模型仿真,结果表明,峰值预测方法具有有效性,其精度高、程序运行速度快,且容易在硬件系统上实时实现.最后,给出利用峰值预测实现全局选择性保护方案,为开发具有短路故障早期诊断与选择性保护功能的智能断路器提供参考.     

粒子群改进算法在配电网故障定位中的应用

为了满足含分布式电源配电网故障定位的要求,对传统二进制粒子群算法进行改进,利用改进二进制粒子群算法(BPSO)解决配电网故障定位问题。改进BPSO初始化随机数采用均匀分布,同时引入收缩因子和线性变换的惯性权重来提升算法收敛于最优解的能力,避免陷入局部最优,提升故障定位的精确性。对算例配电网中的多种故障情形进行仿真分析,包含少量故障信息畸变的情况,诊断结论全部正确。仿真结果表明,改进算法在精确性和收敛速度上均优于传统粒子群算法,对含分布式电源的配电网故障定位具有一定的有效性和容错性。改进BPSO可以满足电网定位对准确和实时性的要求。     

基于分形的配电网接地故障分支识别方法

为解决当前配电网接地故障分支定位中算法实现困难,硬件实现成本投入太高的问题,在PSCAD/EM TDC仿真数据的基础上,对配电网接地位置改变与测量端信号变化的关系进行了分析与对比,提出了一种新的分支识别方法。在构造配电网系统传递函数的基础上,获得其分形维数和自相似度,通过分析不同接地故障情况下分形维数及自相似度变化的规律,提出了基于分形维数与自相似度的分支分析方法。通过对不同的接地位置及不同接地电阻的故障的分形维数及自相似度的分析对比,利用其X-Y平面图能够对故障分支进行识别。仿真结果表明,基于分形维数和自相似度的分支识别方法是有效的,而且具有很好的抗干扰性。     

模拟串口通信在配网无通道故障检测中的应用

分析总结了目前国内配电自动化技术的2种故障检测实现方式,即有通道和无通道的故障检测技术,讨论了其优缺点,在此基础上根据配电自动化技术的发展方向和趋势,提出了一种故障检测不需要通信系统参与的,基于配电线路故障电压检测的新型FTU装置实现方案。在此方案中,为实现在无后备蓄电池的情况下完成故障电压检测,采用PIC微功耗单片机和具有强大数据处理功能的DSP芯片构成双CPU系统．为实现双CPU之间的数据交换,首次采用DSP芯片的普通I／O口来模拟串口（UART）,从而实现与PIC单片机之间的异步串行通信．此新型FTU装置通过了静态和动态模拟实验及其它相关测试,满足设计要求     

基于人工蜂群的WSN故障数据挖掘算法

为了有效提高无线传感器网络中故障数据的判别能力,本文结合人工蜂群算法提出了一种新的挖掘算法FDMA(Fault Data Mining Algorithm)。该算法首先利用小波变换降低故障数据的突发性,以达到对故障数据的标准化处理。其次,基于关联系数来划分故障数据分布区间,并建立了数据挖掘的目标函数,同时利用人工蜂群算法对目标函数进行优化。最后,通过实际传感器样本数据进行仿真实验,对比研究了FDMA算法与其它算法之间的性能状况(包括吞吐量、延迟时间、丢包率和能耗),结果发现FDMA算法具有较好的适应性。     

基于改进GAN的水力测功器轴承故障在线诊断方法

基于数据驱动的轴承故障诊断方法已成为轴承故障诊断领域研究的重点,但由于水力测功器轴承故障情况极少,导致基于数据驱动的轴承故障诊断准确率低。针对上述问题,本文提出了一种基于改进生成对抗神经网络（Generative Adversarial Networks）的水力测功器轴承故障在线诊断方法,首先对生GAN训练方法进行改进,用改进的GAN交替训练判别器和生成器学习原始数据的分布特性,建立了水力测功器轴承故障数据增强模型得到合成数据。然后结合原始数据和合成数据训练得到基于SVM的轴承故障诊断模型。最后采用该轴承故障诊断模型实现水力测功器轴承故障在线诊断。仿真结果表明,所提出的故障在线诊断方法通过改进GAN增强训练极大提升了轴承故障诊断的实时准确率,并具有抗噪声干扰性强的特点。     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。