公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

调速器液压随动系统故障在线监测与诊断系统研究: 在分析调速器液压随动系统的物理结构、工作原理和故障机理的基础之上,提出了利用改进的FMECA 进行故障定性分析,并采用与基于分布式物理图网建模方法建立的调速器液压随动系统模型相结合进行故障诊断的新方法.以开机过程中伺服阀...; 范明树郭江张珂斐袁方; 关键词：水轮发电机组调速器故障诊断; 文献传递

基于深度学习的环网柜局部放电信号特征识别: 2023年; 由于制造工艺和现场环境的影响,环网柜运行时会存在局部放电的现象。为深入研究局部放电的类型,提出了一种局部放电信号的特征识别方法。首先,搭建了电晕放电、沿面放电、悬浮放电3种放电模型的实验平台,采集了大量实验数据;然后,结合边际谱和卷积神经网络(convolutional neural networks,CNN),通过模型参数寻优的方法建立了神经网络训练模型,开展了不同局部放电信号的特征识别研究;最后,与传统的特征识别方法进行了对比研究。研究结果表明:相对于VGG(visual geometry group)Net和AlexNet,ResNet34网络模型识别的准确率最高;边际谱图像提高了典型局部放电信号的辨识度,所提方法的准确率高达97%,明显优于CNN和支持向量机(support vector machine,SVM)。所提方法可为环网柜局部放电信号的研究提供技术支撑。; 陈艳霞林涛吕立平邹晴曹亮王宁袁方; 关键词：环网柜局部放电准确率

调速器液压随动系统故障诊断系统被引量：7: 2014年; 水力机组的运行特性和经济性能指标很大程度上受水轮机调速器液压随动系统影响.针对目前调速系统仅能实现基本在线监测和故障诊断功能的实际情况,在分析调速器液压随动系统的物理结构、工作原理和故障机理的基础上,利用改进的故障模式、影响和危害度分析(FMECA)方法进行故障定性分析,明确设备的功能、故障模式、故障原因和故障影响,建立调速器液压随动系统的分布式物理图网模型,与仿真模型提取定量特征指标值相结合进而实现设备的故障诊断.以开机过程中液压阀卡涩故障为例进行仿真分析,根据机组的频率、导叶开度、电液转换器、PID等关键监测位置信号输出结果的不同,判断调速器发生故障的类别.案例分析结果表明,该方法简单、可靠,能准确定位系统的故障,为实现机组的高效经济运行和日常维护提供决策基础.; 范明树郭江张珂斐袁方曾洪涛; 关键词：水轮机调速器故障诊断 FMECA

基于多分类支持向量机的逆变器卡件故障诊断模型研究被引量：3: 2018年; 为提高逆变器故障诊断准确率,提出一种基于偏二叉树双子支持向量机（partial binary tree algorithm and twin support vector machines,TWSVM）故障诊断模型.将双子支持向量机引入诊断模型,利用偏二叉树多分类方法构造多个2分类器,实现逆变器诊断的多类分类.通过实例验证,提出的故障诊断模型提高了故障诊断精度和泛化能力,时间消耗短,对于逆变器的故障预测和实时诊断具有实际参考意义.; 吴超袁方袁方丁李柴玮; 关键词：逆变器故障诊断

基于NLM-CEEMDAN和样本熵的水电机组振动信号去噪被引量：3: 2023年; 振动监测分析是水电机组故障诊断的重要手段,如何从振动信号中滤除噪声以便于故障特征有效提取是关键问题,为此提出了基于非局部均值滤波(NLM)和自适应噪声完备集合经验模态分解方法(CEEMDAN)结合的振动信号去噪新方法,并在水电机组摆度监测分析中进行了应用。该方法利用NLM-CEEMDAN对信号进行降噪处理,获得若干个固有模态分量(IMF),并且计算各分量样本熵值来进行分量归类。最后通过将高频噪声分量和信噪混合分量中的噪声成分从原始信号中滤除来完成对振动信号的去噪。仿真和实例分析,该方法优于常用的分解分量重构法和小波去噪算法,具有更好的去噪效果,为水电机组故障特征提取提供了新思路。; 章芳情袁方贺玉王成城郭江; 关键词：振动信号去噪

基于DBSCAN算法处理的无线电干扰和温度相关性分析被引量：6: 2020年; 目前,国内外对于交直流并行输电线路无线电干扰的特性研究还处于起步阶段。通过分析现有的单独线路无线电干扰测量模式的弊端,建立了基于气象参数与无线电干扰实时同步测量系统,并基于DBSCAN算法对一年的无线电干扰数据进行数据处理和分析。为了分析无线电干扰与温度之间的相关性,选取直流区域、交直流过渡区域和交流区域典型点位数据,按温度分段分析,得到了各个区间段内无线电干扰与温度之间的关系,为后续的交直流并行输电线路无线电干扰分析奠定了基础。; 袁方郭江张广洲姚德贵王广周郭星; 关键词：无线电干扰 DBSCAN算法温度

基于化学反应优化神经网络与融合DGA算法的油浸式变压器模型研究被引量：35: 2016年; 为了及时准确掌握变压器的健康状况,对潜伏性故障进行预测分析,将人工智能算法与DGA算法相结合,提出了一种基于化学反应优化神经网络的变压器故障诊断模型。考虑到BP神经网络和传统DGA算法在变压器故障诊断应用过程中存在的缺陷,在模型中引入化学反应优化算法和融合DGA算法对其进行改进。通过实例分析表明,提出的故障诊断模型的诊断准确率达到87.88%,迭代次数和训练时间分别为1991次和1927 ms;与其他诊断模型相比,模型在诊断效率和训练时间上具有明显的优势,对于变压器的故障预测和实时诊断具有一定的参考意义。; 张珂斐郭江聂德鑫袁方肖志怀; 关键词：变压器神经网络 DGA

全选清除导出

共1页<1>

袁方