证据理论和粗集在变电站故障诊断中的应用

由于证据理论存在如基本概率人为给定而导致强烈主观性等固有缺陷,文中首先分析了粗集理论与证据理论的关系,确定了粗集是证据理论的基础,进而描述了基于粗集和证据理论的变电站故障诊断的特殊过程,并研究了基于上述理论的变电站故障诊断推理算法.通过在变电站故障诊断专家系统的不确定知识决策规则中应用该算法,表明此算法能增强推理过程的稳定性,并具有较强的鲁棒性,是一种处理不确定和不完整信息的有效方法.     

贝叶斯分类器与粗糙集相结合的变压器综合故障诊断

由于电力变压器故障诊断中的测试数据信息不完备、有偏差，且贝叶斯网络处理不确定性问题能力强，文中提出了用于变压器故障诊断的NB、TAN和BAN三种贝叶斯分类器模型，并提出了贝叶斯网络分类器与粗糙集相结合的变压器故障诊断的新方法，它综合使用溶解气体分析结果和其它电气试验结果作为故障分类所需的属性。其相应的混合分类器为NB粗集、TAN粗集和BAN粗集分类器。实验表明提出的三种混合分类器都适于变压器故障诊断，具有处理信息缺失多的能力和容错特性，克服了粗糙集刚性推理的弱点，其性能明显优于单独使用贝叶斯网络分类器或粗糙集的方法。     

汽轮发电机组故障诊断的"规则+例外"知识获取模型

在分析了故障诊断样本实例集规律性的基础上,根据认知心理学和机器学习中的"规则 例外"模型的不足,结合粗糙集理论中知识约简的概念,提出了一种适合从包含不一致信息的故障诊断数据集中获取决策规则的改进的"规则 例外"模型,给出了模型的具体描述,研究了模型的基本结构,并结合汽轮发电机组振动故障诊断实例说明了改进的"规则 例外"故障诊断知识获取模型的可行性和有效性,通过与其他方法的比较,表明了改进的"规则 例外"故障诊断知识获取模型由于采用了一小部分例外,将实例集划分为2个部分,使得获取的规则无论在置信度上,还是泛化能力和简洁性上都要优于直接对实例集进行处理的方法。     

粗糙集神经网络故障诊断系统的优化方法研究

神经网络的联想能力不足影响它在故障诊断中进一步应用，该文根据粗糙集理论擅长于处理不完整小样本数据的优点，提出了使用粗糙集理论优化BP神经网络故障诊断系统的基本策略，构建了优化的粗集神经网络模型。通过对轴承故障数据和磨削工况分析表明，使用该模型可以有效地减少输入层神经元的个数，改进网络内部结构，提高神经网络模型的学习效率和诊断的准确率，在故障诊断中有良好的应用前景。     

基于粗糙集理论的故障诊断决策规则提取方法

为了在故障诊断信息不一致的情况下提取简单有效的诊断规则，提出了一种基于粗糙集理论的决策规则提取方法。该方法从定义的故障诊断决策系统出发，将故障诊断问题用一个具有不同简化层次的决策网络表示，在引入诊断决策规则的覆盖度概念后，推导出每个网络节点的诊断决策规则集。在应用网络进行故障诊断时，用待诊实例的信息与网络中相应节点的诊断决策规则集进行匹配，即使在故障诊断信息不完备的情况下，也能得到正确的诊断结果。以某往复机械故障为例验证了该方法的有效性。     

基于粗糙集理论的电力变压器故障诊断方法

鉴于电力变压器信息的不完备性及复杂性，基于粗糙集理论提出了一种能较好处理不完备信息的变压器故障诊断模型。基于对大量电力变压器故障征兆及故障类型的分析统计，利用粗糙集进行约简以获取诊断规则。文中详细阐述了在获得各类信息情况下如何利用该模型进行故障诊断；即使缺少某些关键信息时，该模型也能结合欧式距离、神经网络和模糊数学三种方法对约简进行综合匹配，再利用相应的约简及规则集作出故障诊断。该模型还可通过丰富训练样本、修正决策表的自我完善方法使诊断效果不断提高。实例也表明了该方法的有效性。     

基于信息熵与DS证据理论的电网故障诊断方法

为解决传统故障诊断方法在准确性、完备性和容错性等方面的不足,在分析电气量信息特征的基础上,将信息熵理论应用于电力系统故障诊断,得到了故障度熵和Hilbert边际谱熵两类指标,结合DS证据融合理论综合表述电网元件的故障支持度。算例表明,该方法能提高对故障诊断结果的支持度以及故障诊断的准确性与容错性,为基于信息融合原理的故障诊断方法提供了一种有效的信息源。     

面向属性的决策规则挖掘算法的研究与应用

粗集理论是一种新型处理模糊和不确定知识的数学工具,其中属性约简是它的核心内容。粗集理论的主要思想是在保持分类能力不变的前提下,通过属性约简,导出问题的决策或分类规则。深入研究粗集理论,在属性约简过程中加入了启发式信息,大大提高了挖掘效率,得出了一种新的决策规则挖掘算法。实例分析表明,该算法能够发现良好的决策规则。     

模糊聚类分析在水电机组振动故障诊断中的应用

水轮发电机组的振动与其他旋转机械的振动有很大不同，水力、机械、电气3方面因素各自引起的振动形成的耦联、振动故障与振动特征的非一一对应性及多种振动在某部位的叠加，形成了水轮发电机组振动的复杂性，很难用准确的语言来描述振动的程度及振动是否存在，这就给振动原因的分析带一定困难。采用模糊数学的方法，用隶属度来描述诸如“振动大”、故障“存在”或故障“严重”等此类模糊命题，比用传统的二值逻辑更实际地反映了机组的振动。在此基础上引用模糊理论中隶属度的概念来描述机组振动故障存在的倾向性，采用动态模糊聚类分析示分析机组振动的原因。通过实例检验表明，理论计算与现场检查结果相符，证明该方法具有良好的实际应用前景，为水轮发电机组状态监测及故障诊断提供了一种新途径。     

粗糙模糊神经网络在变压器诊断中的应用

针对变压器故障的复杂性、模糊性以及模糊集理论、神经网络和粗糙集理论的优缺点,利用粗糙集理论的属性约简和规则生成能力和模糊神经网络在模式识别方面具有容错和分类优势。采用粗集理论对采集到的变压器油中溶解气体数据形成的规则进行约简处理,建立精简的规则集,根据规则集建变压器故障诊断的神经网络模型,采用自适应遗传算法优化神经网络连接的权值,通过仿真验证了该网络较好的诊断性能。     

变压器故障诊断的粗集决策新方法

通过分析DGA新导则在实际应用存在的问题,将粗集理论与DGA相结合,提出变压器故障诊断的粗集决策方法。在保证离散化结果性能要求的前提下,使用改进的贪心算法进行连续属性的离散化。最后通过规则提取,得到变压器故障类型的决策规则,结果表明方法是有较高的准确率。     

基于电流-振动信号联合分析的高压断路器操动机构故障诊断方法

高压断路器分合闸操作伴随的电流、振动信号特征与电气和机械状态息息相关。提出一种线圈电流和振动信号联合分析的断路器操动机构故障诊断方法,针对线圈电流“双峰状”特点,提取关键时序特征和刻画波形畸变的波形特征。为捕捉振动信号细节变化,对振动信号进行自适应噪声集合经验模态分解CEEMDAN后,进一步计算各分量的时频分布,得到时间、频率边缘特征。将电流和振动特征组成的高维特征由因子分析进行降维处理,作为支持向量机SVM的输入进行故障诊断。实验表明,该方法能够有效提升断路器典型故障诊断准确率,且时间开销较少,为断路器机械故障诊断提供了新思路。     

基于粗糙集与支持向量机的变压器故障诊断法

为了及时监测变压器潜伏性故障和准确诊断故障,提出了一种基于粗糙集与支持向量机相结合的电力变压器故障诊断的新方法。该法应用粗糙集理论将专家知识简化,获得简约诊断规则并对变压器进行粗诊断,然后以支持向量机准确的二类分类功能进行准确故障诊断。该方法实现了两种智能算法的有效互补,拥有粗糙集理论的处理不完备信息能力、简单快速以及支持向量机准确的二类分类功能,有效弥补了单一算法的不足,提高了故障诊断的快捷性和准确性,且降低了样本训练时间和诊断的复杂度。实验结果与改进的IEC三比值法比较,表明该方法有效、可行,具有较高的诊断准确率。     

粗糙集理论在配电网故障诊断中的应用

鉴于粗糙集理论在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之外的任何先验信息,运用粗糙集理论研究了因保护装置和断路器误动或拒动、通信装置故障等原因造成的不完备警报信号模式下的配电网故障诊断新方法。该方法将保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,直接从故障样本集中导出诊断规则,并揭示了警报信息内在冗余性。运用Visual Studio.NET开发平台,使用Vis- ual C#语言对配电网典型网络的故障诊断进行了编程,算例结果表明了该方法的有效性。     

改进Tabu优化算法在地区电网故障诊断的应用

基于优化算法的电网故障诊断是将电力系统故障诊断描述为优化问题后用优化方法求解。提出了基于改进Tabu搜索算法的电力系统故障诊断的新方法。以覆盖集理论为基础, 把电力系统警报处理问题表示为0-1整数规划问题, 并引入了一种新的评估指标,确保了全局最优解,并极大地满足了电网实时性的要求。最后用一个全新算例来证明计算结果的可靠性与快速性, 结果表明以改进TS为基础的方法能够满足地区电网故障诊断的要求。     

基于故障树与键合图的贝叶斯网络故障诊断

基于模型的故障诊断往往采用人工智能技术来处理不确定的知识和不完整的信息。概率推理法是一种处理不确定或不完整信息的方法,而贝叶斯网络是一种能够将它应用于实际的工具。提出了一种基于故障树和键合图理论来构建贝叶斯网络模型的新方法,并对系统进行故障诊断。实现了对引起系统或过程的异常行为的元件进行准确定位,并获得同时出现故障的元件对系统影响程度的大小,即为系统操作员提供了一个关于系统组件的优先级检查和维护计划。最后,对此方法的性能进行了仿真验证。     

数据挖掘技术在电力设备故障诊断中的应用

电力设备运行状态信息具有海量、复杂性以及不完整的特点,给设备故障诊断带来了不小的困难。本文提出一种将粗糙集理论与朴素贝叶斯相结合的数据挖掘方法,通过粗糙集求取故障诊断最小属性约简集,并在此基础上利用朴素贝叶斯计算设备发生各种故障的概率,从而得出诊断结果。最后进行了变压器故障实例分析,诊断结果证明该方法的正确性和有效性。     

“仿医疗”的水电机组故障诊断系统

水轮发电机组的故障诊断过程和人类求医问药的医疗诊断过程有很强的相似性。本文从论述两者相似性入手,深入分析了水电设备故障诊断的难点和现状,指出了对智能故障诊断的两个错误认识:一是将智能诊断理想化、绝对化,拒绝技术工作人员的创造性参与;二是将智能诊断系统建立在能自动采集的状态监测、计算机监控系统等基础之上,忽略了诊断型试验、处方型试验、日常运行记录等一些不能自动获取数据、资料的辅助诊断手段。文章提出的"仿医疗"水电机组故障诊断系统是一全面借鉴医疗诊断过程和原理的交互型智能系统,可在状态监测、工作日志等过去资料汇总分析基础上做出故障类型划分和初步诊断,并根据需要提出辅助于故障判断的诊断型试验步骤及方案,协助确诊。该系统还包含辅助于确定故障处理或检修方案的处方型试验,借此获得最佳解决方案。文章以机械、电磁和水力等三种不稳定的区分、水轮机转轮叶片裂纹原因分析及机组动态不平衡处理等为例介绍了"仿医疗"智能诊断系统概略架构设想。     

基于粗糙集理论的电力设备故障诊断方法

电力设备的故障诊断可以看成一个模式分类问题,每一个电力设备故障对应一组特征集。笔者提出了根据电力设备故障案例的故障状况和故障的相关检测参数,建立故障诊断决策表(即“知识库”),并以决策表为主要工具,采用粗糙集理论方法,直接从故障样本集中导出诊断规则,为电力设备提供有效的故障诊断。采用这一方法,在通过信息网络实现远程诊断等过程中,在用户所获取的故障参数信息数据不完备的情况下,有可能为电力设备故障诊断服务提供一条新途径。     

改进Tabu优化算法在地区电网故障诊断的应用

基于优化算法的电网故障诊断是将电力系统故障诊断描述为优化问题后用优化方法求解.提出了基于改进Tabu搜索算法的电力系统故障诊断的新方法.以覆盖集理论为基础,把电力系统警报处理问题表示为0-1整数规划问题,并引入了一种新的评估指标,确保了全局最优解,并极大地满足了电网实时性的要求.最后用一个全新算例来证明计算结果的可靠性与快速性,结果表明以改进TS为基础的方法能够满足地区电网故障诊断的要求.