感应发电机接入配电网的不对称短路电流峰值评估

短路电流计算是分布式发电接入配电网规划和保护的基础。研究了感应发电机(IG)的不对称故障暂态特性,推导配电网不对称故障时IG定子短路电流的解析式。由于配电网不同位置发生短路故障时,故障瞬间电压相位变化和发电机转速在故障过程中快速上升,都将对IG注入电网的短路电流产生影响。在计及配电网不对称故障后IG转子转速变化的同时,利用转子运动方程和正负序静态等值电路,得到了估计电网发生故障后IG的短路冲击电流算法,最后利用电磁暂态分析软件中IG的5阶动态模型仿真验证该方法的正确性。     

V/x型牵引变压器匝间短路识别方法研究

V/x型牵引变压器匝间短路是威胁重载货运专线牵引供电系统运行安全的重要因素,欲实现匝间故障的快速、准确识别,必须建立高效的模态特征提取方法。组合经验模态分解(EMD)和能量权重原理的多尺度能量熵识别方法,可从差动电流信号中准确提取牵引变压器匝间的动态特征信息。该方法首先对差动电流信号进行EMD分解,以获得若干固有模态函数(IMF)分量;然后计算差动电流信号和各个IMF分量的能量权重;最后构建基于能量权重的多尺度能量熵,并以熵值作为识别匝间短路的特征矢量。实验案例证明,该方法不仅能快速准确识别出变压器匝间短路,而且具有原理清晰、模式空间划分简单的优点。     

一种基于GA-BP的高压混合输电线路故障分类方法

针对混合输电线路发生故障时,常规的故障分类方法往往不能满足分类准确率要求的问题,提出了一种基于人工神经网络的智能故障分类识别算法。首先从发送端提取电压和电流数据,并对其进行预处理,即将原始数据通过巴特沃斯滤波器、离散傅里叶变换和序分析工具进行处理,得到三相电压、电流和零序电流,将其作为用于分类的输入数据;再采用经遗传算法优化初始权值和阈值的误差反向传播神经网络,对故障数据进行分类;最后进行仿真,并与现有算法进行对比。实验结果表明:提出的算法提高了故障分类识别的准确率,加快了神经网络训练进程,具有一定的研究意义和实用价值。     

动态电压恢复器提升PMSG-FFRT运行能力研究

提出超级电容(SC)储能的动态电压恢复器(DVR)提升永磁同步电机(PMSG)风电系统柔性故障穿越(FFRT)能力策略.对PMSG的数学模型,DVR的工作原理、矢量关系及其比例谐振(PR)控制进行了研究.在此基础上,建立了基于SC储能的三单相DVR提升PMSG风电系统故障穿越能力仿真模型,电网故障时DVR进行分相畸变电压补偿,维持PMSG输出端电压恒定,提升了FFRT能力.针对电网对称和不对称短路故障情况,DVR均可向电网串联注入补偿电压,改善了PMSG输出端电压特性.研究结果表明,不论在对称或不对称短路电网故障工况,DVR均改善了PMSG机组FFRT运行能力,可向电网注入友好型清洁风能.     

基于混沌吸引子特征量的滚动轴承故障诊断

利用混沌吸引子特征量可以刻画滚动轴承在不同故障状态下振动特性的特点,提出一种基于关联维数、最大李雅普诺夫指数和信息熵的故障诊断方法。结合试验数据,应用支持向量机技术分析了3类特征量对滚动轴承的故障识别能力,并对比了特征量两两组合的分类效果。研究表明：3类特征量都包含着不同的故障信息,将其结合可以明显提高故障识别率。通过对实测轴承数据的故障分类研究发现,与单一特征量方法相比,该方法可以有效区分不同故障类型和故障严重程度,为滚动轴承故障的超精密诊断提供了可能性。     

电路级栅氧短路故障的动态电流测试分析

栅氧短路故障对于集成电路的稳定性有着重要的影响,故障行为会在不产生逻辑错误的情况下导致参数失效。该文使用了一种电路级的故障模型模拟栅氧短路故障,研究了栅氧缺陷对与非门电路的影响,选取了适合于电流测试的测试矢量,对未发生逻辑错误的故障电路的动态电流进行分析。在实验中采用了TSMC0.18μm CMOS工艺,仿真结果显示通过分析电源通路上的动态电流可以检测有潜隐性故障的器件。与电压测试方法相比,动态电流测试能更好地对栅氧短路缺陷进行诊断。     

多通道相关-经验模式分解在滚动轴承故障诊断中的应用

在处理非平稳振动信号时,经验模式分解(EMD)的应用较为广泛。针对滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果有时也不够明显的情况,本文提出了多通道相关-经验模式分解方法。首先通过EMD将滚动轴承故障信号分解成若干本征模态函数(IMF)分量;然后对IMF分量进行多相关处理,取相关性最强的IMF分量进行自适应重构;最后通过循环谱分析识别出滚动轴承的故障类型。将该方法应用到滚动轴承的仿真故障数据和实际数据中,分析结果表明,该方法可以更加有效地提取滚动轴承故障特征频率信息,突出故障频率。     

变分模态分解和形态学滤波在滚动轴承故障诊断中的应用

针对滚动轴承早期故障信号易被强烈的背景噪声淹没及故障特征难以提取的特点,提出了基于变分模态分解(VMD)和形态学滤波相结合的滚动轴承早期故障诊断方法。首先利用VMD将早期故障信号自适应地分解为一系列IMF分量,然后选择峭度值最大的前两个IMF分量重构,并对重构信号进行形态学滤波,最后通过Teager能量算子计算重构分量的能量谱来提取滚动轴承的故障频率,判断故障类型。将该方法应用于滚动轴承仿真信号与实际故障数据中,分析结果表明该方法能够更加有效提取故障特征频率信息,实现了滚动轴承故障的精确诊断。     

基于CEEMDAN-SVM的高铁轴承故障诊断研究

高铁轴承在高铁运行中起着重要作用,对其进行状态检测和故障诊断有着十分重要的作用和意义。总结出一种基于自适应辅助噪声的完备集合经验模态分解(CEEMDAN)和样本熵(SampEn)相结合的高铁轴承故障诊断方法。振动信号经过分解获得诸多的本征模态分量(IMF),计算其样本熵特征参数来表征不同故障状态下的轴承信号的相关特征,并构造相应的训练和测试样本数据,而后将样本数据录入支持向量机(SVM)并配合灰狼优化算法(GWO)进行训练和测试,完成轴承故障的分类和识别。实验结果表明,此方法能够有效区分不同故障状态下的轴承振动信号。     

基于对称双光路检测法的MOCT电流互感器模型研究

基于对称双光路检测法,采用琼斯矩阵,提出了磁光式电流互感器(MOCT)的整体模型。该模型表明,MOCT的输出电压是两个分量的乘积,一个分量是线性分量,它正比于一次电流瞬时值,另一个分量是非线性分量,该分量与磁线振双折射和法拉第(Faraday)旋转角的共同作用相关。在没有磁线振双折射效应的理想MOCT系统中,当一次电流瞬时值较小时,MOCT的输出电压与一次电流瞬时值成正比。仿真结果证明了结论的正确性。     

Crowbar保护对风电场LVRT的影响分析与仿真

现阶段风机低电压穿越（LVRT）的主要手段为撬棒（Crowbar）保护与变流器的投切配合,且具备了LVRT能力的双馈感应发电机（DFIG）的故障暂态特性发生了改变,其中Crowbar保护的影响尤为重要。针对上述情况,首先研究Crowbar保护投入与否对风机短路暂态特性的影响,其次分别对Crowbar保护投入与变流器工作时的风电场故障情况进行仿真分析,并进一步仿真分析Crowbar阻值和投切时间对风电场短路电流的影响。算例仿真分析表明Crowbar阻值及其投切时间都会影响风电场短路电流。该研究对风电场保护整定设计具有重要意义。     

基于VMD-FastICA的齿轮箱故障诊断

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。     

基于自适应遗传粒子群算法的配电网故障定位

分布式电源的大量接入使传统的故障定位方法对复杂规模化的有源配电网不再适应。针对此问题,提出一种基于自适应遗传粒子群算法实现有源配电网的故障区间定位。构造了一种适用于有源配电网的整数规划模型,根据馈线终端设备上传的过电流信息,将复杂的配电网故障信息转化为由整数表述的故障向量;计及分布式发电出力的不确定性,构建了新的开关函数和评价函数,利用自适应遗传粒子群算法根据转化后的故障向量应用于有源配电网的故障区段定位。通过Matlab进行仿真测试,结果表明:基于自适应遗传粒子群算法的有源配电网故障定位方法能提高故障区段定位的准确度与算法收敛速度,同时对畸变信息具有高容错性。     

智能异构模型在电机故障诊断中的研究

提出以测试电机的三相电流噪声为电机故障特征信号的诊断方法,建立电机电流噪声多元时序模型,将时序模型的多元残差序列化为一元序列作为故障总体检测指标。针对多元时序模型参数φi的特点,提出了多层NN的故障类型识别模型,应用APEX网络提取初始模式向量的分类信息,利用前馈网络建立其识别函数,实践证明该诊断方法是正确的。     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

宏雅与新变：张说颂文管窥

总体经验模式分解 (Ensemble Empirical Mode Decomposition, EEMD) 方法由于其自适应性和抗混叠的特性,在轴承故障诊断领域得到广泛应用。针对总体经验模式分解 (Ensemble Empirical Mode Decomposition, EEMD) 方法中参数难以准确获取的问题,提出了基于改进的EEMD分解和Teager能量算子的滚动轴承故障诊断方法。首先对故障信号进行预处理,自动获取EEMD方法中的加入白噪声大小和总体平均次数两个重要参数。之后对信号进行EEMD分解,得到若干个本征模态分量 (Intrinsic Mode Function, IMF),利用峭度准则选取其中峭度最大的分量并进行Teager能量算子解调,最后通过能量谱识别出滚动轴承的工作状态和故障类型。将该方法应用到滚动轴承仿真故障数据和实际数据中,实验结果表明,该方法可有效提取滚动轴承故障特征频率信息,验证了所提方法的可行性。     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

层次分析的神经网络集成方法

提出了基于层次分析法的神经网络集成方法;介绍了四种不同类型的神经网络,并用这四种不同类型的神经网络构造了五个独立并行处理的模式识别子系统,对每个子系统进行独立训练并分别进行模式识别,统计每一输入模式被各子系统识别成的模式及次数,按识别次数进行两两成对比较;计算各输入模式的识别结果与典型故障模式识别结果间的期望与方差的大小,进行两两成对比较并进行一致性检验。选取层次分析法中准则层对目标层的权重,综合各神经网络子系统的识别情况与输入模式和目标模式的差异大小计算输入模式对各典型故障模式的整体权值并以此作出决策。使用matlab软件进行仿真计算,得到的故障正确识别率。层次分析法神经网络集成方法取得了比相对多数集成方法好的识别效果,还可集成其他模式的识别方法。     

基于概率神经网络和K-means算法的纳税评估

纳税评估工作是一项难于建立准确数学模型的复杂系统,同时又是一个典型的模式识别问题。用神经网络方法进行纳税评估有其独特的优越性。运用PNN算法很大程度地依赖于训练样本对象的选取。选取的这些样本能否反映总体的信息特征决定了分类器的识别效果。文章运用K-means算法对纳税人信息样本进行聚类,找出聚类中心点,以此为基础来选择样本作为PNN的训练样本,从而达到对PNN算法的优化。研究结果表明这种改进后的PNN算法分类效果好,对于纳税评估有其应用价值。     

基于dSPACE1005标准板的感应电机矢量控制

感应电机矢量控制通过坐标变换将静止坐标系下的三相交变定子电流转变为同步旋转坐标系下的两相直流,再 利用转子磁场定向进行解耦,对定子电流的励磁分量isd和转矩分量isq进行独立控制,使得感应电机的控制能像直流电 机那样高效。论文中采用的dSPACE半实物仿真系统实现了与MATLAB/Simulink的完全无缝连接,搭建模块就能生成 代码并加载到实时硬件中运行,减少人工输入大量的代码,方便控制算法的验证