充油电气设备故障诊断系统的设计与实现

介绍了对充油电气设备油进行气相色谱分析以及故障诊断的过程,并给出了气相色谱分析与故障诊断系统的设计与实现,系统包括参数设置、数据输入和跟踪分析及故障诊断等3个模块,能够在各种充油电气设备油色谱分析的数据基础上,实现对充油电器设备的分析和故障诊断.     

充油电气设备在线检测的光纤传感技术

根据气体在近红外波段的吸收特性和低损耗，高灵敏的光纤传感原理，提出一种用于测量充油电气设备中绝缘油产生的爆炸性气体的光纤传感技术，讨论了对于绝缘油中各种气体进行的方案，并给出了乙炔气体的测量结果。     

变压器中溶解气体含量异常分析判断处理

充油矿物绝缘油和以纸或层压纸板作为绝缘材料的电气设备,包括变压器,电抗器,互感器和油纸套管等等。正常运行时,由于油和固体绝缘在电和热的长期作用下也会逐渐老化、变质。会分解出少量的氢,各种低分子烃类及少量的一氧化碳,二氧化碳等。在热和电故障的情况下也会产生这些气体。这两种来源的气体在技术上不能分离,在数值上也没有严格的界限而且与负荷、温度、和油中的含水量等以及取样和测试的许多因素有关。所以,在用色谱分析法判断变压器故障时应利用多种方法综合分析判断。     

变压器油色谱的辨证分析

通过实例论证了对变压器油中溶解气体的色谱分析进行辨证分析的重要性，并指出影响分析人员正确判断的因素及对色谱分析进行综合分析判断的对策。     

基于油中溶解气体分析的电力变压器故障诊断技术的研究

随着各产业技术的快速提升以及综合科技水平的不断进步,我国各项基础设施建设也在逐步完善当中。对于我国电力系统的运转而言,变压器等实体设备的应用是提高电力工业水平的基础。现阶段,在电力企业的长期工作中,电网环境的安全性是整个电力系统管理的重中之重,维护变电站的主变保护对于电网的稳定运行至关重要。该文就基于油中溶解气体分析的电力变压器故障诊断技术及其相关内容做以阐述,探究现阶段技术层面下的故障诊断策略的实际效能,以期为实践工作的顺利推进带来有益的借鉴。     

基于决策树神经网络模型的电力变压器故障诊断方法

根据对变压器常见故障原因及危害程度的分析,构造了电力变压器故障诊断决策树．其判定级别为自上而下,而决策树的每一叶都对应着一种具体的故障模式,并在决策树的不同分支中选用不同的神经网络单元模块作为基本分类器,建立组合神经网络模型,实现了对故障的多分辨识别．该方法克服了以往单神经网络模型在结构复杂性和学习难于收敛方面的不足,大大提高了故障分析的准确度．应用结果表明该系统模型是富有成效的     

基于油中溶解气体分析的变压器绝缘故障模糊诊断及应用

变压器绝缘故障诊断问题是电力系统维护中的关键问题,常用的故障诊断方法一般是基于油中溶解气体分析法的。重点介绍了基于油中溶解气体分析的一种新方法,即变压器绝缘故障模糊诊断法,在分析一般故障诊断方法优缺点的基础上,根据实例验证了将模糊诊断法应用于电力变压器绝缘故障诊断的可行性。     

油中溶解气体分析方法在变压器故障诊断中的应用

电力变压器是发、输、变、配电系统中的重要设备之一,它的性能、质量直接关系到电力系统运行的可靠性和运营效益。本文结合油中溶解气体分析方法,对变压器正常运行中故障产生原因和提早诊断的重要性进行阐述分析。     

基于油中溶解气体在线监测的变压器故障动态预警方法分析

目前,我国110kV及以上等级的大型电力变压器主要采用油纸绝缘结构,变压器油同时承担着绝缘介质和冷却媒质的作用,是油浸式变压器的重要组成部分.变压器油中包含70％的变压器故障信息,对油中溶解气体进行色谱分析是常用有效的一种变压器故障诊断方法.通过总结利用变压器油中溶解气体进行故障诊断的两大类经典方法,在此基础上分析并提...     

一种新型电气设备故障诊断方法介绍

介绍了一种新型诊断方法,其利用电流谐波对电动机及变频器劣化状态进行诊断。首先分别介绍了电动机和变频器劣化状态诊断的解析理论,然后分别给出了电动机和变频器劣化状态的诊断流程,最后介绍了电动机和变频器劣化程度的判断标准分级。此诊断方法对降低成本、减少设备停运时间、减少保养费等具有重要意义。     

油浸电力设备故障诊断中高分子膜的油气分离研究

进一步探讨了高分子膜油气分离的机理，阐述了高分子膜油气分离的基本理论并进行了详尽的试验分析，论述了在油浸电力设备的故障诊断中利用高分子膜实行油气分离方法的有效性。     

基于ANN和FUZZY的装载机故障诊断模型

提出了一种基于神经网络和模糊理论的层次诊断模型、针对装载机的特点建立的模糊系统可自动生成和调整隶属度函数，构造了一种平行的神经子网络，网络训练的速度和诊断准确率有明显提高．模型缩小了知识库，减少了计算量．本模型具有比较强的除噪能力，能将对故障信息敏感而对噪声不敏感的信息提取出来．经仿真实验证明，识别效果良好，有效减少了误判和漏判．     

基于信息融合的高压电气设备温变故障诊断方法研究

针对高压电气设备的高电压、封闭性和监测环境恶劣等特点,采用拉曼光纤传感器对其进行温度监测。根据故障特征量将故障进行分类处理,并利用多个并联的RBF神经网络进行高压电气设备故障的局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各个证据进行融合,最终实现对高压电气设备故障的准确诊断。通过实验证明:采用该诊断系统可有效提高诊断的可信度,减少诊断的不确定性。     

一种综合智能故障诊断方法的研究

文章介绍了当前一些常用的智能故障诊断技术及其相应的局限性;提出了一种综合运用模糊系统、神经网络及专家系统知识的综合型智能故障诊断方法———基于神经模糊网络和专家系统技术的故障诊断系统,并对该系统的结构、函数及迭代算法等进行了详细的讨论和研究。     

基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小...     

一种基于案例推理的装备故障诊断技术

针对装备故障诊断中故障现象难以用结构数据表达,提炼规则比较困难的问题,建立一种基于CBR技术的故障诊断软件系统.系统将维修专家的知识以案例问题和案例解决方法的形式保存,通过检索案例库来进行故障诊断并将诊断记录作为新的知识.介绍了系统的结构,重点研究了案例的表示与相似度的计算,说明了案例的检索与维护.结果表明,基于该思想构建的装备故障诊断软件系统,可以将已有诊断案例作为知识来源提高系统的诊断能力.     

传感器故障诊断方法研究

传感器故障诊断是当今研究的热点领域。本文采用理论推导的方法详细介绍了基于模型的传感器故障诊断方法：卡尔曼滤波法、多重假设检验等方法;也介绍了不基于数学模型的传感器故障诊断方法：表决法、神经网络法等,并对模型法和神经网络两类故障诊断方法的优缺点进行了分析和对比;最后,还分析了现有故障诊断方法的发展趋势。     

基于残差神经网络的滚动轴承故障诊断方法

针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入,针对信号的时变性改进了数据池化层,改进的数据池化层利用三个连续的卷积层串联构建而成,目的在于能够有效地提取振动信号中的故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,用于特征信息的学习;最后通过在全连接层后加入Dropout层丢弃一定比例的神经元,能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验,与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析,结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.     

基于遗传算法的WANN的汽车发动机故障诊断分析

利用基于遗传算法的全局优化能力,小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点.结合三者的特点,提出了一种基于遗传算法、小波与神经网络的汽车发动机故障诊断方法,应用汽车发动机的故障数据作为实例验证,GA-WANN模型诊断速度快,鲁棒性好,故障诊断正确率高.     

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络（RS-ANN）故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.