变压器励磁涌流的识别方法

电力变压器在空载投入电网或外部故障切除后电压恢复时,由于变压器铁芯磁通的饱和及铁芯材料的非线性特征,会产生相当大的励磁电流,称为励磁涌流。电力变压器是电力系统中重要的设备,纵差保护作为变压器的主保护之一在识别励磁涌流和内部故障电流时经常出现拒动和误动的现象,因此,正确识别励磁涌流和故障电流仍是变压器差动保护的重要课题之一。     

对模拟器建设问题的思考

<正>模拟器是部队进行设备操作训练的仿真设备,是部队形成战斗力的重要手段,也是今后重点发展方向。以往模拟器建设程序是"装备更新→模拟器申请→立项→研制→验收→使用→故障→维修→进入故障频发期→报废→重新申请",程序复杂,周期长,存在滞后性,影响部队训练。笔者在此基础上,以某型潜艇模拟器为例,对模拟器的列装后建设和配套建设中共性的问题进行了以下探讨。     

基于重构相图相似性检测的单相接地故障选相方法

配电线路在发生单相高阻接地故障时,由于故障特征微弱导致传统以求解电气参量为依据的选相方法存在困难.依据故障支路附加状态的三相电流中健全相与故障相存在幅值相角不一的差异,提出一种利用相空间重构方法对故障附加状态的三相电流进行升维重构,然后依据重构相轨迹图的差异作为故障特征进行单相接地故障选相的新方法.该方法可通过重构相轨...     

一种抗弱曲线故障攻击的SM2数字签名算法设计

SM2数字签名算法是中国版的椭圆曲线数字签名算法,尽管该算法的设计在数学理论是安全的,但在算法的具体实现时却容易遭受物理攻击。因此,加强SM2数字签名算法在实现过程中的抗攻击性具有重要意义。本文基于故障感染思想提出了一个针对SM2数字签名算法的抗故障攻击策略,通过改变算法中的标量运算操作,使得算法遭受攻击后故障将在签名过程中扩散,从而破坏攻击者利用错误签名快速检索签名私钥的条件。实验结果表明,此防御策略不仅可以抵御弱曲线故障攻击,还可以防御弱曲线故障和二次故障注入的结合攻击。此外,本文还将椭圆曲线算法中常用点检测抗故障攻击策略和本文提出的故障感染防御策略都在现场可编程逻辑列阵上实现,对两种策略的硬件面积开销、单次签名时间开销进行比较,结果显示,本文提出的策略在硬件性能上比基于点检测的策略更优越。     

分支结构电路的可测性设计优化

在硬件设计的初期可以对硬件测试中条件分支结构引起的测试向量冗余问题加以解决.以ALU为例,提出了两种分支结构电路的可测性优化设计,通过调整分支电路的选择条件来控制测试向量的施加,在保证错误覆盖率的同时可以明显减少不必要的测试向量.     

基于伪码测距的弹射试验测试系统

提出了一套基于伪码测距的弹射试验测试系统设计方案.将GPS定位和精密授时与伪码测距相结合用于弹射试验的测试,在保证测试精度前提下,提高了数据更新率,适应了弹射试验高动态测试的要求.机载测站与地面多个基站构成测试数据链路,采用伪码测距获取原始数据,测试系统的时标和空间参考坐标由基站的GPS模块进行自动标定.事后解算处理获得定位数据.测距定位的精度受测试系统几何布局的影响,详细分析了在伪码测距误差既定的情况下,测试基站的布局对测试定位精度的影响,对测场范围内的测量误差分布进行了仿真计算,并根据误差分布给出了合理的测试基站布局.     

基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究

介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的结构和算法,并将此方法运用于燃料电池发动机多传感器的复杂系统中．理论分析与仿真结果表明,该联合卡尔曼滤波器设计合理,其融合算法具有全局最优性,能够有效地对燃料电池发动机传感器的故障进行检测,改善了系统的容错能力和复原能力,提高了系统运行的稳定性．     

考虑用户行为和排错延迟的多版本软件可靠性增长模型

软件在测试阶段和使用阶段操作环境的差别导致软件测试可靠性和运行可靠性不完全相同.软件在发布后的使用和维护阶段,软件可靠性的增长不仅体现在软件固有故障的排除,而且用户对软件的熟悉程度也会影响软件的可靠性.本文研究了软件固有故障检测过程、固有故障纠正过程和外在失效过程的特征,建立了考虑用户行为和排错延迟下的多版本软件可靠性增长模型.通过一组来自于开源软件用户缺陷跟踪系统中的真实数据进行数值分析,试验结果表明提出的模型具有较好的效果.     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。