一种涡轮泵故障阈值检测算法

涡轮泵是火箭发动机的心脏,是火箭发动机中的高速旋转组件,也是故障率较高的部件之一。涡轮泵的可靠性在整个发动机的可靠性中占有重要地位。传统的故障检测有时会出现虚警或漏警的现象,而且主要用于试车后的状态分析与评估;在实时故障检测中存在很大的不足。涡轮泵发生故障的主要原因是由于振动,因此振动加速信号研究对涡轮泵的故障检测显得尤为重要。通过一种阈值检测算法对振动加速信号进行研究,并结合已有涡轮泵故障信息对该算法进行验证,验证了该算法的准确性、实时性等要求。     

论无功补偿必要性及电容器常见故障分析

随着经济快速发展,电力能源紧张局势不断加剧,电网电源质量对用电设备的经济性、安全有着深远的影响,而功率因素是影响电源质量的重要因素之一,该文在深入研究电力电容器常见故障机理的基础上,分析了电容器常见故障的形成原因,从设备的选型、安装、加强日常巡检、定期进行预防性试验、优化设备运行操作和开发利用在线监测系统等方面提出建议措施,以期为电力电容器的稳定运行提供技术保障。     

一种OTDR信号去噪的新方法

随着光纤传输的高速发展,对光缆线路的维护和管理要求越来越高。特别是在发生光纤故障时,会产生较强的噪声干扰。如何能够准确、快速地进行故障定位,成为保证通信网络畅通运行的关键问题。针对这一问题,提出一种基于通信光缆OTDR信号去噪的新方法。最后通过仿真实验证实,此方法可有效去除OTDR光缆信号中的强噪声,实现光缆断点的准确定位。     

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...     

基于改进学习矢量量化神经网络输电线路故障识别技术

针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难.在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的学习矢量量化神经网络识别故障特征.通过对不同故障类型、故障位置、过渡电阻和初始故障角度进行仿真,验证该模型的准确性和有效性.仿真结果表明,该方法在故障分类中具有一定的优势,不受上述因素的影响,具有良好的鲁棒性和故障分类性能.该研究为中国输电线故障识别技术的发展提供一定的参考.     

一种综合考虑暂稳态影响的FACTS选址方法

柔性交流输电系统(flexible AC transmission system, FACTS)的并网位置对电力系统的安全运行具有重要影响。本文综合考虑故障发生后的暂态与稳态过程,提出兼顾暂稳态判据的选址打分方法,在单机等面积定则基础上,推导出FACTS元件等值系统的暂态裕度量化积分,将暂态稳定裕度近似灵敏度和稳态母线电压越限危险度作为选址依据。基于FACTS元件与储能相结合技术,将有功死区控制、电池荷电状态限制和逆变器容量限制考虑进FACTS元件建模中,利用PSASP/UD自定义模块搭建具有储能作用的FACTS模型。通过电力系统分析软件PSASP中CEPRI-36节点系统进行仿真,在得分高的母线处采取FACTS元件以注入电流源形式并网参与系统紧急控制,验证本文所提选址方法的准确性及FACTS元件对抑制电力系统连锁故障扩散的影响。     

基于多级观测器的液压伺服系统自适应故障检测与隔离

针对传统的基于固定阈值的故障检测及诊断方法虚警率高,无法有效实现液压伺服系统的故障检测与隔离,提出了一套基于多级观测器的液压伺服系统自适应故障检测与隔离方法。首先,采用第1级RBF网络作为液压伺服系统观测器,通过比较观测器估计输出值与实际系统输出得到残差信号。其次,采用第2级RBF神经网络产生自适应阈值,实现了液压伺服系统自适应故障检测。最后,采用小波包分析提取残差信号特征,利用第3级RBF神经网络实现系统的典型故障隔离。实验结果表明,利用多级观测器模型能够有效实现液压伺服系统的自适应故障检测及隔离。     

朴素贝叶斯分类在仪表故障判断上的应用

为了探讨朴素贝叶斯分类在仪表故障判断领域的应用价值,通过将某核电厂压力表故障的历史信息进行分类汇总,将故障的判断转换成文本分类任务,结合朴素贝叶斯分类算法和自然语言处理建立故障的分类模型,实现对新增故障的准确判断。通过验证,朴素贝叶斯分类模型能够对新增故障进行判断分类。测试中需要进行校验类故障准确率能够达到95%以上,其他类故障准确率高于70%。传统故障判断一般是由人来完成,通过贝叶斯分类模型实现对故障的判断,可减轻人员劳动强度,提高工厂维修自动化水平。     

基于后悔理论和COPRAS的 概率语言FMEA风险评估方法

针对传统故障模式和影响分析（FMEA）方法存在容易造成专家风险评估信息的丢失、忽略专家有限理性行为和风险指标之间的相对重要性等问题,提出了一种基于后悔理论和复杂比例评估（COPRAS）方法的概率语言FMEA风险评估方法. 首先采用概率语言术语集（PLTS）描述专家风险评估信息的不确定性和模糊性;然后运用概率语言连乘层次分析法（PL-MAHP）和最大偏差法相结合的综合赋权法获得风险因子综合权重;其次考虑到风险评估过程中专家的心理特征行为,利用后悔理论和COPRAS方法确定故障模式风险优先序;最后通过砂轮架故障风险评估案例来验证该方法的适用性和有效性. 灵敏度和对比分析结果表明：相比于现有其他方法,该方法得到的故障模式风险排序结果更合理可靠.     

连铸机故障时融合炉次重分配的炼钢-连铸生产重调度

在炼钢-连铸生产过程中,连铸机故障会导致当前生产计划不可行,需要为故障机上未完成炉次重新分配连铸机和浇铸顺序。现行人工重分配策略无法及时响应以保证稳定和高效的生产,因此本文提出一种基于等待时间最小化的启发式炉次重分配规则,然后在此基础上建立重调度模型,并设计改进遗传算法求解该问题。采集某炼钢厂的实际生产数据进行算法验证,结果表明本文方法在连铸机出现故障时能快速给出较优的重调度方案。