故障识别

摘要： 针对现有高压直流输电(HVDC)系统换流站保护在区外交流系统故障时误动作的问题,提出了基于特征谐波电流积分比值的HVDC整流站保护优化方案。此方案利用换流变压器一次侧与送端交流线路的特征谐波电流积分比值来识别整流站区内外故障。当发生整流站区内故障时,该比值大于1;当发生整流站区外故障时,该比值小于1。进而考虑整流站保护与区外交流系统保护在时间上的协调配合,设计了防止整流站保护在区外交流系统故障时的误动作策略。仿真结果表明,所提保护优化方案可以准确识别区内外故障,且不受故障类型、故障距离、过渡电阻、故障初始角以及噪声干扰的影响。

摘要： 医疗建筑施工轴承出现故障,会影响设备正常运行,导致施工速度降低,为此提出基于受限玻尔兹曼机的医疗建筑施工轴承故障定位技术,利用受限玻尔兹曼机中隐含层单元以及可视单元,计算轴承的观察数据和观测轴承变量之间依赖的特性,确认轴承是否出现故障,再计算滚道和滚动体的局部缺陷位置,得出整体故障的频率,同时分别计算外圈、内圈以及滚动体故障的特征频率,最后采用自相关的函数区分故障信号种类,完成故障区域精准定位。实验结果表明,所提方法定位精度高、计算量小,不会随着定位数据增加导致定位精度降低。

摘要： 针对噪声环境下滚动轴承故障难以诊断的问题,提出一种基于深度学习融合网络的轴承故障识别新方法。该方法首先对轴承振动信号进行一定程度的随机损坏,并将加噪后的数据输入卷积降噪自编码器(convolutional denoising autoencoder, CDAE)中对网络进行训练,目的是降低信号中的噪声干扰并提取浅层特征;然后,利用深度信念网络(deep belief network, DBN)学习深层特征并建立轴承状态识别模型,输出故障识别结果。在融合模型中,将卷积降噪自编码器作为网络的第一层以增强网络的抗干扰能力,提高故障的识别精度。使用凯斯西储大学(CWRU)滚动轴承数据对所提模型进行验证,结果表明提出的融合模型在噪声环境下能够较好地实现轴承的故障状态识别。

摘要： 针对传统滚动轴承故障识别算法存在的特征提取与选择困难的问题,提出了一种基于深度字典学习(DDL)的滚动轴承故障诊断方法。首先,利用传感器采集了不同工况下的滚动轴承故障振动数据,并利用字典学习的稀疏性约束逐层学习了轴承故障数据中的典型结构特征;然后,借鉴深度学习的“逐层特征提取”思想,根据故障样本结构构造了深度故障字典,将故障样本输入深度故障字典,根据样本的重建误差确定了故障类别;最后,以滚动轴承试验台为对象测试了DDL模型的有效性。研究结果表明:采用该方法得到的滚动轴承故障识别准确率达到99.28%,训练时间仅为765 s;相比于卷积神经网络、循环神经网络等深度学习方法,该方法在故障识别准确率方面和训练速度方面具有较大优势;DDL方法利用驱动字典,可以自动提取出轴承振动信号样本中的故障特征,同时,深度字典结构使所提取的故障特征具有较好的层次性,符合人们对故障的直观认识。

摘要： 为实现离心压缩机组振动故障的有效消除,文章特对离心机组的主要振动故障及其处理进行了分析。文章首先对离心压缩机组进行概述;然后分析了离心压缩机组运行中的主要振动故障机理;接下来对其振动故障的辨识进行分析;再将上述分析作为基础,提出了机组振动故障的处理措施;最后提出了几项主要的震动防控措施。希望通过研究与分析,可以为离心压缩机组的震动故障消除及其运行效果保障提供科学参考。

摘要： 针对多端柔性直流配电网的故障快速识别、定位及隔离这一关键技术难题,利用配电网中相邻直流配电终端节点的故障识别特征信息,提出一种基于面向通用对象的变电站事件(GOOSE)等通信方式的直流配电网分布式区域保护方法,能够实现故障快速定位及隔离功能。首先将复杂的直流配电网通过网格化分解成若干个有限区域单元,每个区域单元就是一个独立的故障预判区,然后提出一种依靠直流配电终端的GOOSE通信,在故障预判区内通过比较中心节点和边界节点配电终端的带方向电流状态值来实现故障定位,并通过直流断路器来隔离故障的保护策略。最后,在实时数字仿真系统中搭建三端柔性直流电网模型,仿真结果验证了该保护方案在不同直流故障和运行情况下的有效性和准确性。

摘要： 针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。

摘要： 首先,根据Kolmogorov熵判断高压并联电抗器振动信号的混沌特性,在证明其具有混沌特性的基础上重构振动信号,分析不同电压等级、不同故障类型和故障程度下振动信号相轨迹的变化规律。然后,将最大Lyapunov指数、Kolmogorov熵、关联维数作为一组混沌指标定量计算和表征高压并联电抗器绕组和铁芯发生机械故障前、后振动信号混沌特性。最后,利用多混沌指标构建特征空间进行故障识别,并与已有的高压并联电抗器故障识别方法进行对比验证多混沌特征空间识别故障的优越性。分析结果表明,多混沌特征空间能够准确实现无监督在线故障识别,其准确率比已有方法至少高5%。

摘要： 在不同的测试训练集范围内,对比于传统的重叠特征故障识别方法,本文所设计的方法具有更强的稳定性和系统性,最终得出的故障识别训练误差也相对较低,表明对电力设备的实际故障识别效果更佳。

摘要： 为增强深度残差收缩网络对变压器故障特征的学习能力从而提高故障识别精度,文中研究构建了故障特征气体向量配合改进的深度残差收缩网络来识别变压器故障。首先,构建可变软阈值函数消除恒定偏差的影响,利用快速回溯算法加快阈值确定速度的同时确保输出结果的完整性。然后,提出带可变权重的交叉熵函数降低误识别对网络精度的影响,并将构建的特征气体向量作为网络输入,保证网络学习并识别更多故障因素的特征。最后,以过热故障和电弧放电故障为样本的实验结果验证了该方法的有效性。与传统方法相比,所提方法的识别精度高,而且适用于电力系统多特征故障识别。

摘要： 在分析破碎机典型故障原理及其基本特征的基础上,利用小波包分析将振动信号分解到不同波段,采用能量归一化处理后形成特征向量输入bp神经网络,将通过网络训练后bp神经网络用于实际故障识别,结果证明该方案具有较高的正确率,可有效识别和预警破碎机各类故障.

摘要： 在风电行业中,功率曲线是衡量风电机组性能优劣的重要工具之一,因此合理正确的分析功率曲线有着重要的意义与价值.本文介绍了一种功率曲线拟合方法,并在此基础上提出了一种功率曲线与机理模型及机器学习模型相结合的方法,帮助识别故障发生的根本原因,同时利用知识图谱更高效地挖掘故障关系、更方便地训练故障识别模型.

摘要： 针对电动汽车轮毂电机机械故障频发导致电机性能下降、危及车辆运行安全的实际问题,本文瞄准轮毂电机常见的机械故障,着重考虑车速对轮毂电机振动信号的影响程度,在时域和频域中提炼多个敏感特征参数.以轮毂电机运转状态为目标,将提炼出的特征参数作为贝叶斯网络的节点,利用特征参数高斯分布特性,结合混合高斯模型,从而建立监测轮榖电机运行状态的贝叶斯网络,实现对轮毂电机机械故障的识别.通过轮毂电机综合台架试验,验证该方法对轮毂电机机械故障的识别能力.

摘要： 动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题.实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控.根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1mm,滑板磨耗值测量精度可达0.2mm.鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全.

摘要： 动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题.实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控.根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1mm,滑板磨耗值测量精度可达0.2mm.鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全.

摘要： 动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题.实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控.根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1mm,滑板磨耗值测量精度可达0.2mm.鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全.

摘要： 动车组运行状态智能检测装备设置于动车段入库线上,主要针对动车组走行部、车顶和受电弓在运用中出现内部缺陷、磨损、损坏及尺寸超限的故障比率问题.实时采集运行列车的底部、侧部和顶部图像,采用故障自动识别策略,对列车的车底走行部、闸瓦、转向架、接触网等与列车有关的各个部件进行动态监控.根据实验和现场使用情况,本检测设备满足铁路机车运行时对走行部和受电弓进行在线测量检测的要求,其中,走行部检测精度可达1mm,滑板磨耗值测量精度可达0.2mm.鉴于此,该动车组智能检测装备能及时发现故障隐患,为检修和更换提供依据,保证动车组运行安全.

摘要： 电力变压器固体绝缘缺陷发展通常会随环境状况的变化而发生改变,而体现缺陷的局部放电信号具有一定的随机性,对局部放电类型进行有效的识别是准确评估电力变压器绝缘状态的前提.针对传统局部放电分类方法的不足,本文提出了一种基于粒子群优化支持向量机(PSO-SVM)的局部放电模式识别方法.该方法采用多分类法中的"一对多"分类原理,借助于粒子群优化算法实现对SVM参数的优化,从而能有效地提高分类准确率.通过实验结果表明,PSO-SVM分类精度明显高于反向传播神经网络(BPNN)及传统的SVM识别方法,说明该方法在电力变压器局部放电模式识别及故障预警系统领域具有良好的应用前景.

摘要： 电力变压器固体绝缘缺陷发展通常会随环境状况的变化而发生改变,而体现缺陷的局部放电信号具有一定的随机性,对局部放电类型进行有效的识别是准确评估电力变压器绝缘状态的前提.针对传统局部放电分类方法的不足,本文提出了一种基于粒子群优化支持向量机(PSO-SVM)的局部放电模式识别方法.该方法采用多分类法中的"一对多"分类原理,借助于粒子群优化算法实现对SVM参数的优化,从而能有效地提高分类准确率.通过实验结果表明,PSO-SVM分类精度明显高于反向传播神经网络(BPNN)及传统的SVM识别方法,说明该方法在电力变压器局部放电模式识别及故障预警系统领域具有良好的应用前景.

摘要： 电力变压器固体绝缘缺陷发展通常会随环境状况的变化而发生改变,而体现缺陷的局部放电信号具有一定的随机性,对局部放电类型进行有效的识别是准确评估电力变压器绝缘状态的前提.针对传统局部放电分类方法的不足,本文提出了一种基于粒子群优化支持向量机(PSO-SVM)的局部放电模式识别方法.该方法采用多分类法中的"一对多"分类原理,借助于粒子群优化算法实现对SVM参数的优化,从而能有效地提高分类准确率.通过实验结果表明,PSO-SVM分类精度明显高于反向传播神经网络(BPNN)及传统的SVM识别方法,说明该方法在电力变压器局部放电模式识别及故障预警系统领域具有良好的应用前景.

摘要： 本发明公开了一种故障点识别仪器、故障点识别方法、装置、设备及介质。一种故障点识别仪器，包括电压模拟量采集模块，用于通过各模拟电压采集端口，从电压互感器二次侧的测试点位获取模拟电压采集信号；将各模拟电压采集信号转换为数字电压转换信号后，将各数字电压转换信号发送至数据处理模块；数据处理模块，用于对接收的数字电压转换信号进行一次侧故障检测，并对接收的待分析数字信号进行二次侧故障检测，得到检测结果；将检测结果发送至检测结果上送模块；检测结果上送模块，用于将接收到的检测结果远程发送至变电站后台系统。本发明实施例的技术方案能够自动精准锁定一次侧与二次侧故障点，并提升一次侧与二次侧故障点的识别效率。

摘要： 本发明涉及一种压力安全阀故障识别方法及故障识别装置，其包括以下步骤：接收采集数据，所述采集数据包括与稳压器相连的压力安全阀后的温度、压力安全阀的开关状态以及稳压器压力；根据所述采集数据和预设的报警条件生成报警信号；响应所述报警信号，显示报警信息；基于输入的驱动指令，关闭与所述压力安全阀对应串联的隔离阀。本发明降低了误判的机率，自动化程度高，降低了操纵员的工作负荷。

摘要： 本发明实施例提供了一种软故障识别模型训练和软故障识别方法、装置，其中，软故障识别模型训练方法包括：获取多个正常样本信号的数字谱、以及多个带标签的软故障样本信号的数字谱；计算各正常样本信号的残差谱；基于各正常样本信号的残差谱，训练自动编码器；计算各软故障样本信号的残差谱；基于各软故障样本信号的残差谱、各软故障样本信号的标签、以及完成训练的自动编码器，训练支持向量机；确定由完成训练的自动编码器和完成训练的支持向量机组成的软故障识别模型。以此，提高软故障识别模型的识别精度，从而提高软故障识别结果的准确性和泛化性。

摘要： 本公开提供了一种故障识别模型的训练方法与装置、故障识别方法与装置、电子设备和介质，涉及人工智能，尤其涉及深度学习领域。一种故障识别模型的训练方法包括获取第一故障数据集；根据第一故障数据集生成第一样本集，第一样本集中的每个样本包括故障描述文本和对应的故障部件与故障类型；以及将第一样本集中的样本的故障描述文本作为故障识别模型的输入，并且对故障识别模型的参数进行调整，使得故障识别模型输出第一标签和第二标签，第一标签是与输入的故障描述文本对应的故障部件，并且第二标签是与故障部件对应的故障类型。

摘要： 本申请涉及一种进堆氢气压力传感器的故障识别装置及故障识别方法，所述方法包括：在燃料电池处于冷启动状态期间，根据氢气质量守恒原理按照预设算法计算所述进堆氢气压力传感器的氢气压力模拟值；根据所述氢气压力模拟值及所述进堆氢气压力传感器的氢气压力实际值判断所述进堆氢气压力传感器是否故障。在燃料电池发电过程中，内部反应生成水分子，而在寒冷情况下，这些水会造成燃料电池系统结冰的情况，由于氢气吹扫流量较小，导致氢气系统更容易结冰。采用本方法能够在寒冷情况下燃料电池发电过程中，识别进堆氢气压力传感器是否由于寒冷的原因结冰而产生故障。

摘要： 本发明公开了一种配电网过电压故障类型智能识别方法及故障识别单元，属于过电压故障识别技术领域。一种配电网过电压故障类型智能识别方法，通过建基于Cassie电弧模型的中性点不接地系统单相弧光接地故障仿真模型，仿真获得故障前后单相接地前后的三相电压与电流波形图，通过采集三相电压、开口三角电压、电压互感器一次侧中性点电流，对金属接地、弧光接地、中阻接地、高阻接地、欠/过压、PT断线、不同频率的谐振11种故障类型进行识别，判断系统的故障类型，对危害程度进行预警和抑制，并对架设电缆建立可移动的障类型智能故障识别单元，具有移动稳定与拆卸方便，在高压电缆上移动进行多点探测，实现故障位置的精准识别。

摘要： 本发明公开一种光干涉式甲烷测定器故障识别设备，包括图像传感器、数据处理模块以及显示模块；图像传感器采集光干涉式甲烷传感器里干涉条纹及分度尺的高清还原图像；数据处理模块通过对图像传感器采集的图像进行数据处理，由显示模块的屏幕将采集的干涉条纹图像以及可能故障的原因、及对应的最快捷的处理方法和步骤显示出来，显示模块选用设备包括电脑或手机显示屏。本发明还提供了一种光干涉式甲烷测定器故障识别设备的故障识别方法。本发明的有益效果：能够有效地避免技术人员在出厂装配、维修和校准光干涉式甲烷测定器的过程中必须由有经验的技术人员进行，改善了光瓦装配和维修不便的缺陷，延长了光瓦的使用时间，为使用单位节省了的开支。

摘要： 本发明实施例提供了故障原因识别方法、装置及故障原因识别系统，应用于故障分析技术领域。该方法包括：接收业务系统发送的源数据请求，其中，源数据请求中携带有第三方系统的接口地址，源数据请求为业务系统在接收到故障识别端的数据请求时所发送的；基于接口地址，向第三方系统请求源数据，并将源数据发送给业务系统；监听业务系统是否调用预定反馈组件，向故障识别端发送基于源数据生成的响应结果；若监听到，则指示预定反馈组件将响应结果、接口地址和源数据均反馈至故障识别端，以使故障识别端基于接收到的接口地址和源数据，识别业务系统运行出现错误的原因。通过本方案，可以快速的识别业务系统运行出现错误的原因。

摘要： 本公开提供了一种故障识别模型的训练方法与装置、故障识别方法与装置、电子设备和介质，涉及人工智能，尤其涉及深度学习领域。一种故障识别模型的训练方法包括获取第一故障数据集；根据第一故障数据集生成第一样本集，第一样本集中的每个样本包括故障描述文本和对应的故障部件与故障类型；以及将第一样本集中的样本的故障描述文本作为故障识别模型的输入，并且对故障识别模型的参数进行调整，使得故障识别模型输出第一标签和第二标签，第一标签是与输入的故障描述文本对应的故障部件，并且第二标签是与故障部件对应的故障类型。

摘要： 本发明实施例提供了一种故障识别模型训练方法、故障识别方法及相关装置，涉及空调器技术领域。其中，上述故障识别模型训练方法包括：获取训练样本数据；其中，所述训练样本数据包括控制采样数据及对应的故障分类标签；所述控制采样数据为压缩机控制元件的控制输出量；利用所述训练样本数据对预选的神经网络模型进行逐层训练，以得到所述故障识别模型。利用训练得到的故障识别模型实现对压缩机故障的及时且准确地识别，增长空调的使用寿命，避免造成财产损失。