共查询到20条相似文献,搜索用时 0 毫秒
1.
针对变压器振动问题,提出了一种基于集合经验模态分解(EEMD)的本征模函数(IMF)峭度特征量提取方法,并运用相关系数法、快速谱峭度图法提取敏感IMF分量。提取试验变压器正常、铁心松动故障状态下的振动、声音信号的特征量,研究变压器在正常、故障状态下这两种信号特征量分布情况;分析实际运行中出现铁心磁路故障、铁心多点接地故障状态的变压器的IMF峭度特征。结果表明,提出的特征量提取方法可同时反映频域、时域特性;在不同故障条件下,振动与声音信号的特征量变化不同,二者可相互补充,研究两种信号更有利于变压器状态的判定。 相似文献
2.
3.
针对现有的变压器故障诊断系统普遍存在知识固化的问题,提出了一种基于Drools的变压器故障诊断专家系统。首先,利用Drools框架搭建变压器故障诊断专家系统的架构,实现规则文件与逻辑文件的分离;然后,结合真实案例与权威专家的经验,从过热、放电、绝缘和绕组变形四大类故障入手,确定故障模式。选取机械性能、电气性能和热性能三个方面中最能反映变压器状态变化的特征量,并与故障模式相关联,构建专家规则库;最后,使用Java代码编写Drools专家系统,利用规则库实现变压器的故障诊断。实践证明,系统具有较快的反应能力和准确的诊断能力,具备较好的工程推广价值。 相似文献
4.
电力变压器故障诊断中的测试数据信息不完备、有偏差,而贝叶斯网络处理不确定性问题能力强.提出了一种基于选择性贝叶斯分类器的、溶解气体分析结合其他电气试验结果的变压器故障诊断方法.并建立了变压器选择性贝叶斯故障诊断模型.详细阐述并验证了该方法解决信息不完备问题的优越性.该模型还可以通过不断积累完善训练样本,自动修正网络结构... 相似文献
5.
6.
准确评估输变电设备运行状态是电力企业生产技术工作的核心内容。为提高电力变压器故障诊断精度,避免传统引力搜索算法(GSA)自身收敛速度慢且易陷入局部最优区等不足,提出一种利用混沌序列改进GSA的支持向量机(SVM)模型,用于电力变压器故障诊断中。首先利用混沌序列来增加重力粒子的多样性,目的是避免在其训练时陷入局部最优区;然后利用改进的GSA算法来优化SVM模型自身的参数,从而提升该模型的预测准确率;最后将预测结果与其他3种传统诊断模型的预测结果进行了对比分析,结果表明利用混沌序列改进的GSA-SVM模型有着更好的泛化能力以及更高的分类准确率。 相似文献
7.
针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。 相似文献
8.
电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。 相似文献
9.
10.
曾海 《电网与水力发电进展》2006,22(Z1):32-34
通过对现行检修、监测体制、方法优劣势回顾,分析了开拓、应用变压器类电力设备状态监测和故障诊断技术的意义,并对该技术国内外发展现状、存在问题进行了介绍. 相似文献
11.
12.
为了提高小样本条件下变压器声纹故障诊断的准确率,提出了一种基于梅尔声谱图和改进的Wasserstein生成对抗网络(IW-GAN)的变压器声纹诊断模型。提取变压器声信号的梅尔声谱图,将声谱图输入到IW-GAN中进行样本扩充。其中,IW-GAN使用更具表达能力的Transformer网络,判别器采用满足Lipschitz连续性约束的SN-CNN,从而使IW-GAN能够稳定生成多样性和高质量的样本;将扩充后的数据输入不同的分类器中进行故障分类。实验证明,所提方法在有效扩充变压器故障声纹数据的同时,显著提升了小样本情况下变压器声纹故障诊断的整体性能。该方法对不同分类器的识别准确率均有显著提升,特别是对卷积神经网络分类准确率的提升达到了6.9%。 相似文献
13.
为了保障电力变压器的安全稳定运行需大力研究开发电力变压器的在线状态监测与故障诊断系统。提出了利用改良三比值法配合模糊数学、RBF神经网络和D-S证据理论的多种理论融合的变压器在线故障诊断模型,最后通过大量故障案例来验证此故障诊断模型的有效性和准确性。 相似文献
14.
滚动轴承早期损伤信号特征量缺失且易被环境噪声掩盖,根据分形理论,结合灰狼优化算法(GWO)提出改进变分模态分解方法(Improved Variational Mode Decomposition, IVMD),求解各模态多种非线性特征量,并采用随机近邻嵌入理论(t-distributed Stochastic Neighbor Embedding, t-SNE)进行降维分类,以实现无监督故障诊断。基于轴承损伤实验数据,验证所提方法的可靠性。结果表明:采用IVMD所获模态与多种非线性值构建的特征矩阵更具代表性,可诊断轴承微弱故障;与现有方法相比,所提方法聚类表现更清晰,分类准确率更高,且具有良好的鲁棒性。 相似文献
15.
为实现强非线性特征风力机轴承振动信号的故障诊断,基于能量残差及粒子群优化算法提出优化变分模态分解方法(OVMD),通过峭度与相关系数对分解所获各模态进行筛选以剔除无效分量后重塑振动信号。引入分形理论,分别计算滤除无关模态前后轴承不同工作状态随负载变化时分形盒维数。结果表明:经OVMD分解后未滤除无关模态的信号在区分轴承不同工况时,各电机负载下盒维数出现混叠现象,干扰对轴承故障状态的判别与分类;而采用OVMD分解滤除无关模态后重组的信号,其分形盒维数在各种负载下均可实现对轴承工作状态的识别。 相似文献
16.
17.
18.