基于Levene检验的航空交流串联电弧故障检测

航空电弧故障直接影响着航空飞行的安全,这一问题越来越受到重视,其中,交流串联电弧故障更隐蔽,造成的危害更大.该文基于航空115V/400Hz交流系统开展串联电弧故障模拟实验,并对检测方法进行了研究,鉴于目前统计学方法的局限性,提出用Levene检验对实验电流信号进行分析并提取特征量.Levene检验是分析两组及以上数据...     

基于集合经验模态分解的交流航空故障电弧识别

故障电弧作为一种破坏性强,识别难度大的电路故障,给飞机的安全带来很大的威胁。然而目前航空业应用的电弧识别方法远不能达到要求。所以本文提出了一种将集合经验模态分解和LM优化的BP神经网络相结合的交流航空故障电弧识别方法。首先建立串联和并联交流电弧实验模拟平台,采集电弧电流波形,分析波形动态特性。将波形进行集合经验模态分解,选取差别明显模态分量作为故障特征分量。计算故障特征分量的能量熵作为交流故障电弧的特征量,输入到LM算法优化的BP神经网络,进行识别。结果表明,识别率达到90%以上,较好地识别出了航空故障电弧。     

基于SOA-SVM的弓网电弧识别方法

受电弓-接触网作为牵引供电系统的重要组成部分关系着高速列车的安全与稳定,及早的对弓网电弧进行识别对于保障列车稳定运行具有十分重要的意义。通过计算更符合列运实际的“Z”字摩擦速率并对列车的运行时速、接触压力及接触电流依次进行单变量调整,模拟了4种不同工况的弓网受流实验。基于实验数据,从特征供给和参数优化两方面出发：首先,利用D-score评估准则对电流特征进行对比,筛选出电弧识别特征及其显著区间;其次,设计样本定容环节考察特征信息的完备性;最后,利用海鸥算法(seagull optimization algorithm, SOA)优化支持向量机(support vector machine, SVM)对弓网电弧建模识别。经测试结果与对比分析得出,SOA-SVM能够快速、有效的对弓网电弧建模识别,平均识别水平达98.5%、总体识别水平在97%以上。     

基于频率响应分析技术和图像特征检测方法的变压器绕组故障诊断

频率响应分析(FRA)是一种广泛应用于变压器绕组故障的检测方法.本文提出了一种基于图像处理技术的FRA识别方法.首先在自耦变压器实验中模拟不同绕组的故障,测量不同故障情况下的FRA曲线;然后将频域分割法和图像处理技术应用于测得的频域响应曲线,通过一种新的算法计算了不同频率区域的面积比和质心偏差;最后,以图像特征作为支持向量机模型的输入.在训练过程中,对三种不同的参数优化算法进行了比较,从而选择最优方式.结果表明,粒子群优化和图像特征对绕组故障的识别效果最好.     

干式电抗器的建模与故障预警方法研究

针对干式电抗器易发生匝间短路故障从而导致设备烧毁的问题,提出一种干式电抗器的建模与故障预警方法,该方法通过建立电磁-电路二维分析模型计算包封损耗,采用循环迭代算法进行多物理场模型融合,建立三维流体-温度场有限元模型,并采用改进粒子群优化支持向量机（Particle Swarm Optimization-Support Vector Machine,PSO-SVM）的融合算法对该模型进行降阶。在上述模型建立的基础上,进行多种匝间短路故障模拟实验。仿真计算与现场实测结果表明,该方法的故障预警准确性较高,可用于干式电抗器匝间短路等故障的预警。     

基于 HHO参数优化的SVM 变压器故障诊断方法研究∗

为了提高变电信息系统中变压器故障诊断的准确率,针对变压器故障样本较少,采用类内类间距离的可分性测度和相关性分析法确定关键特征向量,将特征向量作为支持向量机的输入样本,建立 SVM 故障分类模型.分析了哈里斯鹰优化算法 (HHO)和粒子群算法 (PSO)的优缺点,提出了基于哈里斯鹰优化算法 HHO 优化支持向量机 SVM 模型的参数.最后,通过真实变压器故障数据进行实验仿真,结果表明所提出的变电站故障诊断方法能够有效识别故障类型,具有较高的准确率和收敛速度.     

基于改进CEEMDAN分解与时空特征的低压供电线路串联故障电弧检测

针对低压线路中的串联故障电弧检测难题,提出基于改进CEEMDAN分解与时空特征的串联故障电弧检测方法。首先,采用CEEMDAN算法实现电流信号的完备分解,并以各IMF分量的峭度指标、裕度指标、能量特征和能量熵特征为判定依据,实现高频段信号粗选。然后,提出空间尺度和时间尺度相融合的特征构建方法,捕获各粗选高频IMF分量的局部特征,增强电流特征对比度和判别力。最后,采用子空间变换算法实现电流时空特征集合的二次降维,并基于SVM实现串联故障电弧检测。实际试验证明,所提算法的平均故障电弧检测准确率达88.33%,能够实现高效的串联故障电弧检测。     

基于改进暂态相关分析和支持向量机的电弧故障选线研究

提出了一种综合电弧模型。并针对电弧接地情况复杂的特点,提出了一种暂态零序电流和两相电流差特征和支持向量机(SVM)相结合的配电网单相电弧故障时的选线方法。研究暂态零序电流和故障相与非故障相两相电流差的关系,将其用小波分析方法变换到特征频带(625~1 250 Hz)内进行相关分析。将得到的各馈线的相关系数作为特征输入量,结合支持向量机(SVM)分类算法,建立了针对配电网单相接地电弧故障的选线流程。在EMTP中仿真,并经Matlab中进行数据处理后。结果表明,该方法对于不同中性点接地方式、不同距离、不同故障时刻发生的电弧故障,均能正确地选出故障线路。     

基于改进经验小波变换多特征融合的航空交流串联电弧故障检测

针对时频域分析方法经验模态分解（EMD）在处理电弧信号上存在模态混叠现象,提出一种基于改进经验小波变换（IEWT）多特征融合与极限学习机（ELM）的电弧故障检测方法。该方法首先将电弧电流信号进行IEWT变换,自适应分解为5个经验模态分量（EMFs）,提取EMFs的权重能量熵、EMF4的样本熵及EMF1的方均根值作为特征量。在进行数据标准化后,将3个电弧故障特征融合并形成多维特征矩阵,最后通过ELM进行故障识别。在分析中对IEWT和EMD分解进行比较,结果表明,IEWT方法要优于EMD对信号的处理,并且在多特征提取下也避免了单一特征造成的误判,再结合ELM可以准确识别出电弧故障,经试验验证平均准确率为97.85%。     

基于SVM-PSO的电网设备早期故障分类方法

电压暂降通常是电力系统因设备故障等原因导致永久性或早期故障的典型特征,早期故障可能会在首次发生后逐渐发展为永久性故障.提出了一种基于粒子群优化和支持向量机的早期故障分类方法.首先,利用基于Kullback-Leibler散度的检测机制来识别早期故障对应的电压波性数据,结合S变换等信号处理方法来进行特征提取.然后,采用邻...     

基于LabVIEW的航空故障电弧发生装置研制

针对航空故障电弧研究中电弧信号采集繁琐的问题,文中设计了一种基于Lab VIEW的航空故障电弧发生装置。该系统由Lab VIEW上位机、DSP控制系统、电弧发生装置三部分组成。首先,通过Lab VIEW虚拟按键控制电弧发生装置触头移动,引发电弧;其次,利用串行通信将采集的数据传送至Lab VIEW上位机进行实时显示与存储。大量实验测试表明,新设计的实验平台能够实现故障电弧触发的自动控制与电弧特性的准确采集,同时简化了数据采集过程,具有良好的实用性与人性化设计。     

基于VMD与自相关分析的滚动轴承故障特征提取

滚动轴承故障信号多呈现非平稳、多分量调制特性,早期故障信号调制特性微弱、易受周围设备噪声干扰,导致轴承早期故障特征淹没在噪声信号中,故障特征难以提取。为此,提出一种变分模态分解(variational mode decomposition,VMD)与自相关分析相结合的轴承故障特征提取方法。首先利用自相关分析消除故障信号中噪声干扰,提取周期成分;然后再用VMD算法将消噪信号分解成若干本征模态分量(intrinsic mode function,IMF),运用能量算子对相关系数及峭度值较大分量进行解调分析;最后通过能量解调谱来判别滚动轴承故障类型。将该方法应用到滚动轴承仿真故障数据和实测数据中,结果表明,该方法可降低了噪声的干扰,有效提取故障特征频率,能够实现滚动轴承故障的精确诊断。     

基于电弧电流高频分量的串联交流电弧故障检测方法

通过分析典型负载下电弧电流高频分量在时域与频域表现出的不同特征,提出一种串联交流电弧故障检测方法。该方法利用电弧电流变化率与其有效值的比值以及6~12k Hz频段电流幅值这2个特征参量进行串联交流电弧故障识别;并利用负载启动电流持续时间远远小于电弧电流持续时间的特点,设定电弧故障检测时间阈值,降低负载启动过程对串联交流电弧故障检测的影响。试验结果表明,所提方法能够实现串联交流电弧故障的快速检测,对硬件要求相对较低,简便易行。     

干式空心电抗器匝间电弧性短路故障特征提取及诊断方法研究

针对干式空心电抗器早期匝间短路故障,通过分析电抗器匝间电弧性短路过程中的状态参数变化规律,提出了基于时变参数模型的电抗器故障特征提取及诊断方法。首先建立了基于Mayr电弧模型的电抗器匝间短路故障的时变电路模型,并利用傅里叶变换分析了故障电抗器等效电感的频谱特性,发现其等效电感不再恒定而是存在周期性振荡。然后利用时变电路状态方程求解方法,分析在工频激励下故障电抗器输出电流的转移解、零状态响应及频谱特性,证明在匝间电弧的周期性短路过程中,故障电抗器输出电流中将激发出特定次数的谐波分量,分析电流谐波特性可对干式空心电抗器匝间短路故障进行诊断。通过对一起电抗器故障的电流互感器（CT）和电压互感器（PT）录波数据进行求解和分析,验证了本文提出的故障特征提取及诊断方法的可行性和有效性。     

基于CatBoost的常用电器负载电弧故障识别方法

电气火灾造成的危害日益受到人们重视,其成因中占比最大的是电弧故障。电弧通常是由电气组件的损坏或过载而导致,进而可能会导致电气设备的损坏并引发火灾。电弧识别是一种重要的电弧故障预防性技术,可以监测电气设备中的电弧事故,以便及时采取应对措施,是智能用电的重要组成部分。文中就电弧故障识别方法展开研究,首先按照国标搭建了实验平台,然后分析不同家用电器负载组合的电弧特征,并进行特征提取;接着提出了一种基于CatBoost分类模型的电弧识别方法,使用CatBoost模型对提取到的特征进行训练,以实现电弧故障的快速识别;经过测试集验证,与现有的SVM、Random Forest等常用识别分类方法相比,提出的基于CatBoost分类模型的电弧识别方法具有更高的准确率和召回率,能够有效提高电弧事故的识别精度。     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常...     

基于特征提取与识别两阶段的汽车电机轴承故障诊断

针对特征提取和故障识别这两个轴承故障诊断的关键环节,提出一种汽车电机轴承故障诊断新方法。该方法在特征提取环节:提出了将LCD分解和符号熵(SE)相结合的特征提取方法;在故障识别环节为提高果蝇算法(FOA)对相关向量机(RVM)参数的寻优能力,在FOA算法中增加了向"历史"学习的策略,提出具有历史学习能力的果蝇算法(HSAFOA),有效地提升了RVM的分类性能。汽车电机轴承不同类型、不同程度故障诊断实例表明,LCD符号熵可有效对故障进行表征,而HSAFOA算法则提升了RVM的识别效果,相比于其他一些方法更有优势。     

基于特征提取与INGO-SVM的变压器故障诊断方法

针对使用支持向量机(support vector machine,SVM)对变压器进行故障诊断时有效特征提取困难、模型参数难以选择的问题,提出一种基于特征提取与INGO-SVM的变压器故障诊断方法。首先,使用核主成分分析(kernel principal component analysis,KPCA)方法对构建的21维待选特征进行特征融合和低维敏感特征提取。其次,使用佳点集、随机反向学习和维度交叉学习等策略对北方苍鹰优化算法(northern goshawk optimization,NGO)进行改进。通过2个典型测试对改进北方苍鹰优化算法(improved northern goshawk optimization,INGO)进行性能测试,验证了INGO算法的优越性。然后,基于KPCA提取的低维敏感特征,使用INGO对SVM的参数进行组合寻优,建立基于KPCA特征提取与INGO-SVM的变压器故障诊断模型。最后,对不同变压器故障诊断模型进行实例仿真对比实验。结果表明：所提方法故障诊断精度高、稳定性好,更适用于变压器的故障诊断。     

基于电压特征能量的低压交流串联电弧故障检测方法

串联电弧故障电流波形受负荷类型影响较大,利用电流特征构建通用故障判据难度较大。为识别故障点电弧电压,提出了一种基于电压特征能量的串联电弧故障检测方法。首先,通过分析故障点电弧电压及监测点故障电压特征规律,对故障信息的特征频带选择进行了论证。然后,以不同负荷下的电弧电压波形特征归类为依据,提出了基于电压特征频带全域能量幅值和敏感相位域能量相位信息的故障检测方法。最后,利用全域总能量幅值和敏感域能量相位映射统计比实现了综合故障检测策略的构建。试验结果表明,所提方法在不同线路参数和测试负荷下的故障检测准确率超过了98%且无误检发生,验证了其有效性。     

基于差值信号的故障特征提取及应用

以电路软故障作为研究对象,提出了一种基于差值信号做故障特征的方法。首先将被测电路中各状态的信号波形的数据与标准信号波形的数据作差值,差值作为新的数据组,再进行小波包变换提取特征向量,经主元分析后选取具有代表主要信息的作为综合特征向量,最后送到分类器进行诊断。实验结果表明此方法可以有效地将电路软故障区分开来。