基于停电区域和灰色理论的电力系统故障诊断新方法

为了给电力系统故障诊断提供决策依据,提出了一种基于停电区域和灰色理论的故障元件识别模型.在停电区域中,详细分析了保护和断路器工作原理,推导出故障状态时保护和断路器状态信息,并构造了元件故障模式状态向量及待检模式状态向量,给出了向量元素赋值规则,通过计算关联度,进而利用故障元件识别规则实现故障诊断的目的.最后,用算例验证了所提出模型和算法的有效性.     

电力系统功率极限点的矩阵分裂算法

把增广潮流方程以克服功率极限点处Ｊａｃｏｂｉ阵奇异的扩展方程与矩阵分裂技术相结合,将确定功率极限点的４Ｎ＋１阶扩展方程的修正方程转化为四个系数矩阵完全相同的２Ｎ＋１阶方程,不仅克服了潮流Ｊａｃｏｂｉ矩阵在功率极限点的奇异性,而且可以大幅度地提高功率极限点的计算速度,快速、精确地求出极限点处理的潮流解和相应的负荷增加因子。     

基于热力参数的燃气轮机故障诊断数学模型的研究

结合了某型三轴燃气轮机阐述了基于热力参数的燃气轮机故障诊断的数学模型的建立意义以及建立过程.结合目前的国内外研究现状,提出了Maflab回归函数法建立燃气轮机特性方程,并针对某型三轴燃气轮机建立适合故障诊断的数学模型.     

基于遗传算法的电力系统故障诊断

采用遗传算法的电力系统故障诊断，其基本思想是将电网故障诊断描述为优化问题，建立诊断的解析模型，最终都归结为无约束0—1整规划问题，并采用遗传算法进行求解数学模型得到故障设备。诊断电力系统故障元件就是要找出最能解释警报信号的故障假说。对以前的目标函数进行了改进，此外简单介绍了采用遗传算法进行故障诊断的步骤。     

基于矩阵算法的关联规则挖掘

分析了关联规则挖掘的各种算法,详尽分析和探讨了一种用于挖掘关联规则的矩阵算法并给出了矩阵算法实现过程.矩阵算法扫描数据库一次,然后生成事务矩阵,在矩阵上进行相关的数据挖掘操作.当数据库规模较大时,矩阵算法能够显著提高关联规则挖掘的效率.     

基于矩阵的公交查询高效算法

引入最小乘车次数矩阵Q,直达信息矩阵,直达信息转置矩阵,充分利用矩阵Q进行宏观的判断,用后两个矩阵进行精细的查找,并设计寻找和组装最优方案的算法,进而在最小换乘算法的基础上设计了高效公交查询算法。该算法不仅缩短了查询时间,且使查询结果更加人性化,可给出最少换乘次数为3的出行线路查询结果。     

基于BP算法的铁路配电网故障诊断研究

通过分析铁路配电网的特点,针对铁路电网故障的不确定性因素与故障数据种类繁多的特点,采用BP算法进行故障诊断,先研究铁路电网的故障类型,然后分析BP算法的训练过程,最终设计并实现了基于BP算法的铁路电网故障诊断.     

基于网络模型的节点阻抗矩阵的新算法

结合配电网结线图特点,建立了反映支路电流向节点分布规律的数学模型。在此基础上,根据节点阻抗矩阵各的元素的意义,提出了一种节点阻抗矩阵各元素的简单且准确的计算方法。     

基于第一原理的实用故障诊断算法

根据基于第一的多故障诊断理论,针对具有固定测量点的连续物理系统,提出一种实用诊断算法,算法分３步：（１）根据系统的结构和测量点分布等不变知识,离线识别最小冲突集候选;（２）测量数据,在线确定最小冲突集合组;（３）由系统的部集合组求出诊断集,算法可大大节省时间资源,便于实时故障诊断。     

几类特殊矩阵的逆矩阵算法

在给定的条件下,利用矩阵的广义初等变换推导三类特殊矩阵:En-BA、[(A α)(αΥ k)]和[(B C)(CΥ O)]的逆矩阵.     

基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

基于故障树分析法的挖掘机故障诊断知识库设计

在建立挖掘机故障诊断模型并分析故障诊断流程的基础上,阐述了故障诊断知识库设计中数据库技术的应用、知识的表示、知识库的结构与组织等关键技术,以挖掘机液压系统故障诊断为实例介绍了故障诊断知识库设计的方法与步骤。     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

改进GA-PSO算法的船舶电力系统故障诊断

为解决船舶电力系统故障识别的准确性以及快速性问题,在BP神经网络预测的基础上,提出一种改进的粒子群(PSO)和遗传算法(GA)混合优化BP神经网络的方法。改进包括两方面：一是对粒子群的惯性权重和学习因子进行改进;二是对遗传算法的变异概率和交叉概率进行改进。对发生故障时的三相电压信号进行小波包分解,提取各频率段的能量熵作为故障特征。经测试,优化后的算法诊断准确率明显提高,神经网络训练次数和误差减小,验证了改进GA-PSO-BP算法的可靠性,以及用于船舶电力系统故障诊断的实用性。     

故障诊断专家系统中知识一致性检查算法的研究

知识库是故障诊断专家系统的推理依据,新规则的添加改善了系统的故障诊断能力,同时可能会导致新规则和原知识库中的规则冗余、闭路循环、矛盾等一致性问题,造成系统不稳定,甚至推理错误。本文从知识一致性入手,提出解决新加规则和原有规则的冗余、闭路循环、矛盾的判断算法,并用C 较好的解决了知识一致性检查算法问题。     

基于滑动窗的CVA故障诊断算法

由于过程数据通常具有时变性,规范变量分析(CVA)在动态过程系统的故障诊断中不能得到较好的故障诊断准确率,因此提出一种基于滑动窗的规范变量分析(MWCVA)算法.该算法首先建立初始的CVA模型和计算监控统计量,通过滑动窗更新过程变量数据,计算更新建模所需数据,不断实时地更新出新样本的CVA模型和监控统计量.通过对Tennessee-Eastman过程的仿真,对比CVA、MWPCA和MWCVA的故障诊断效果,验证所提出算法的有效性.     

基于冗余嵌入Petri网的电网故障诊断方法

针对现有电网故障诊断方法存在的容错性和适应性不够理想的问题,以电气量信息和保护动作信息为依据,基于冗余嵌入Petri网和范德蒙矩阵构建电网的Petri网故障诊断方法,根据变迁的发生及库所中托肯的转移,确定故障位置.通过算例分析验证所提方法的有效性和合理性,结果表明该方法简化了诊断过程,提高了准确性,并能灵活适应电网拓扑结构的变化.     

阴性选择算法在工业控制系统故障诊断中的应用

受生物免疫系统的启发,把免疫原理应用到故障诊断领域.分析了现有阴性选择算法在故障诊断应用中的不足之处,提出了改进后的阴性选择算法.介绍了田纳西-伊斯曼(TEP)过程仿真系统,用改进后的阴性选择算法对该系统的21种故障样本进行仿真试验,各故障的平均检出率达到85%以上,验证了此算法在工业控制系统故障诊断中的有效性.     

传感器网络同步态的节点故障诊断算法

首先介绍了复杂网络同步态的概念,以传感器量测数据为节点,定义了随时间动态变化的传感器网络,采用数学分析方法定量描述了传感器网络的动力学机制,给出了传感器网络同步态的数学定义、计算方法及其实际的物理含义。理论推导表明,同步态从全局角度评价传感器网络的健康程度,以量测数据距离关联性定义复杂网络的耦合矩阵A=(aij)N×N,并以该耦合矩阵零特征值对应的左特征向量(ξ1,ξ2,...,ξN)来刻画传感器网络节点的局部细节信息,进而衍生出基于传感器网络同步态的节点故障诊断算法,实现传感器网络的故障诊断。实验仿真了由100个传感器组成的复杂网络,采集了在稳定运动60s期间的的量测数据,每个量测数据长度为5 000,其中有3个传感器处于间歇增益故障状态,以此来验证基于传感器网络同步态的节点故障诊断算法的有效性。结果表明,该算法不仅可以很好地跟踪整个传感器网络的工作状态,实时监测每个传感器网络节点的故障,而且可以利用传感器网络节点故障之间的相关性有效地识别出传感器量测数据的异常是由外界量测对象的改变还是由传感器本身故障引起的。该算法为全局评估传感器网络的工作状态和监测网络节点的局部故障提供了一个新颖可行的研究思路,期望为相关领域的研究学者提供有益的参考。     

一种基于辨识的故障诊断应用系统

以某化纤厂侧吹风空调系统为研究对象,探讨了对空调及其自控系统进行故障诊断的方法.该侧吹风系统送风参数为:送风温度(16±1.0)℃,相对湿度(80±3)%,静压(650±5)Pa.应用基于参数估计的方法,利用现场测得的系统正常运行时的输入输出序列,建立了送风温度控制子系统的模型.应用此模型,得到了一种故障状况下的参数实时估计值和模型预测值,将它们和系统无故障时的信息比较,结合现场工程师的经验,检测出温度计的故障.