谐振接地系统的配电线路接地故障选线新方法

针对因消弧线圈引起的故障电流信号微弱,造成谐振接地系统发生单相接地故障识别率进一步降低的情况,考虑故障线路与非故障线路间零序电流波形相似度低的特点,提出一种谐振接地系统的配电线路接地故障选线新方法。用HHT(Hilbert-Huang teansform)和时频谱带通滤波法处理零序电流波形,构建各线路零序电流波形的时频能量矩阵,结合图像识别中的相似度识别法与综合相似系数矩阵,实现线路接地故障选线。结果表明,该选线方法对噪声干扰、两点接地故障等情况均有效。     

基于贝叶斯分类的变压器绕组故障诊断算法

为了提高变压器绕组故障诊断准确率,减少不同故障类型的诊断时间,提出基于贝叶斯分类的变压器绕组故障诊断模型;根据平行板电容理论,计算电容器极板上所带电量,利用电场分布和电场能量,计算导体间的互电容之和,将绕组电感和电阻确定为贝叶斯诊断模型的故障特征量;利用后验概率决策分类,通过欧拉非线性理论模型离散获得五阶故障模型,构建...     

混合动力汽车电机驱动系统传感器故障重构控制

针对混合动力汽车感应电机驱动系统可能存在的传感器故障模式,设计了一个主动容错重构控制系统.该系统能充分利用无故障的传感器信息,最大限度地维持驱动系统的控制性能,并在重构切换过程中,考虑电机转矩和转速的平滑过渡问题.此外,为提高车用感应电机驱动系统的性能,基于传统磁场定向控制(FOC)思想设计出一种新型鲁棒性PI控制器来实现电机转矩跟踪;利用滑模控制技术,设计了转子磁链-速度自适应观测器.为进一步提高交流电流传感器故障状态下电机驱动系统的容错能力,提出了用直流电流重构交流相电流的新思路.仿真研究表明,在发生传感器故障时,所设计的电机驱动系统仍能有效地保证车辆行驶过程中的转矩和速度跟踪性能以及系统的稳定性.     

基于实时监测的轴承寿命预测方法

从凯斯西储大学轴承数据中心提取了斯凯孚(SKF)轴承内圈、滚动体和外圈不同故障尺寸的原始振动信号,故障尺寸分别为0.007,0.014和0.021 in（1 in=2.54 cm),对其进行经验模态分解(EMD),发现共有17个本征模函数。进行主成分分析(PCA),发现内圈和外圈故障尺寸与第一主成分和第二主成分的关系可通过主成分拟合公式进行准确拟合,因此,通过实时监测轴承振动信号并进行信号分析,可获得内圈和外圈的故障尺寸,利用Pairs-Erdogan公式和有限元仿真方法对含故障轴承的剩余寿命进行了预测。该研究对预防由含裂纹轴承导致的机械事故具有重要的意义。     

计算机BIOS与CMOS相关性分析与故障处理

阐述了BIOS与CMOS的关系,对系统BIOS故障引起死机和CMOS造成的死机故障分别进行分析,并给出了各自的处理措施,探讨了BIOS设置选项注意的问题。     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。     

雷电感应过电压引起跳闸事故的分析

55#变电所高压供电系统为6 kV供电系统,为中性点不接地系统。所带负荷主要有多台动力变压器和整流变压器以及架空线路5509柜等。象5509柜这样的重要负荷,当下方线路发生单相接地故障时,设置保护使本柜跳闸。这是因为,在中性点不接地的小电流接地的电力系统中,如发生单相接地故障时,只有很小的接地电容电流,而相间电压仍然是对称的,原则上可暂时继续运行（一般为2 h）,但是由于非故障相的对地电压要升高为原来对地电压的3倍,所以对线路绝缘仍有一定的威胁,如果在此状态下运行时间过长,可能引起非故障相对地绝缘击穿而导致两相接地短路,将会导致事故扩大,严重时可导致重要设备损坏难以修复。现就一起因雷电感应过电压引起跳闸的事故进行分析。[第一段]     

基于边缘特征的绝缘子故障检测

针对绝缘子图片的一致性较差且绝缘子故障特征的不可预知性问题,提出了基于绝缘子边缘特征的故障检测算法。首先基于纵坐标方向连续单像素边缘提取算法,实现绝缘子骨架提取与伪边缘过滤;然后采用改进的Canny算法,通过基于多峰梯度直方图的阈值分割和边缘跟踪,解决边缘的连通性与伪边缘之间相斥的问题,实现边缘特征的精确提取;最后基于均匀采样的边缘特征点计算角度的算法,通过绝缘子边缘特征的按片匹配,实现绝缘子的缺陷检测。对高速铁路接触网巡检车采集的406张运营线路绝缘子图片进行测试验证,结果表明本算法检测的精确度达到99%,召回率达到98.7%。本方法适用于拍摄正常及过度曝光情况下的绝缘子检测,满足运营维修保养的要求,可为绝缘子故障检测提供参考。     

基于GM(1,1)模型的齿轮故障识别预测研究

针对齿轮故障诊断问题,提出一种基于灰色预测模型(GM(1,1))的齿轮故障识别预测方法。根据齿轮磨损情况将齿轮故障定义为4种状态：正常齿轮状态、齿根裂纹故障状态、齿面磨损故障状态和断齿故障状态。通过搭建齿轮故障诊断实验台,利用振动传感器采集齿轮工作过程中处于不同磨损状态时的振动加速度信号样本,利用小波降噪、小波分解重构等方法重构特征信号,得到去噪后的信号图像,进而提取振动加速度信号特征数值,并基于GM(1,1)建立齿轮故障识别预测模型。研究表明,该模型预测数值与真实值误差均值在0.56%～0.67%,相对误差均方根值在0.33%～0.43%,其中齿根裂纹状态时相对误差均值为0.67%,相对误差均方根为0.33%;断齿故障状态时相对误差均值为0.67%,相对误差均方根为0.39%;齿面磨损故障时相对误差均值为0.56%,相对误差均方根为0.43%。表明模型预测精度较高,可用于齿轮故障预测研究,为齿轮故障诊断提供了一种新的研究方法及理论依据。     

基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。