关键词： 光纤惯性导航系统   重新对准   电阻  

摘要： 针对某型机在地面开车时光纤惯性导航系统重新对准故障进行了详细分析,结合光纤惯性导航系统原理,定位于光纤惯导部件电源板内部限流电阻阻值降低导致光纤惯性导航系统发生重新对准故障,对其采取了有效措施并进行充分验证,可为同类机载产品故障的排除提供参考。

关键词： 迁移学习   图像识别   故障特征   特征提取   小样本变压器   权值更新  

摘要： 小样本变压器发生故障时的频率较低,判断故障类型难度较高。为了准确分类变压器故障特征,提出基于迁移学习的小样本变压器图像故障特征分类方法。利用变压器故障图像的高斯函数,计算变压器故障图像密度指数。通过分析和修正密度指标,得到迁移学习网络中变压器故障图像结构。利用维度方向拼接变压器图像特征。通过求解变压器故障图像特征提取的目标函数,更新变压器故障图像的权值并提取小样本变压器图像故障特征。将变压器故障图像划分为多个区域,提取各区域内图像颜色和纹理特征的差异性。利用变压器故障图像特征的关联损失函数,设计变压器故障特征分类算法,实现变压器图像故障特征分类。试验结果表明,该方法能准确分类变压器图像故障特征,并将特征分类的曲线下面积(AUC)值提高到0.95以上。该方法增强了分类的真实性。

关键词： 变压器   故障诊断   卷积神经网络   支持向量机   特征提取   诊断精度  

摘要： 针对变压器故障诊断存在的精度低、鲁棒性不强等问题,提出一种基于卷积神经网络(CNN)和支持向量机(SVM)的故障诊断方法。首先,基于油中溶解气体分析(DGA)法,以5种特征量作为输入,利用CNN提取数据的特征信息;然后导入SVM中进行分类,实现变压器的故障诊断。基于336组油气数据对所提模型的性能进行验证,并将其与其他方法进行对比。实验结果表明:所构建的CNN-SVM诊断模型与CNN-BiLSTM网络、LSTM网络和CNN相比,综合故障诊断精度分别提高了8.9%、12.5%和19.6%,并且CNN-SVM模型有着更快的运行速度,运行时间约为3.11 s;当修改输入数据或减少输入的气体特征量时,CNN-SVM模型的诊断精度相比于其他方法下降最少,说明CNN-SVM模型具有更好的鲁棒性和特征提取能力。

关键词： 主动保护   早期故障   电-热分析模型   故障电弧能量  

摘要： 在直流汇集送出系统中,通过主动保护提前判别线路中的早期故障并隔离,能够显著降低短路冲击电流导致全网换流设备无差别闭锁的风险。早期故障电气量特征微弱,难以单独支撑保护判据;早期故障伴随电弧会带来显著的温度特征,但是仅依赖温度判据动作速度慢,早期故障可能发展为短路。针对以上问题,该文建立了电缆线路早期故障的电-热特性分析模型,揭示了电弧能量作为连接电磁场与温度场的耦合量,在故障前后具有本质差异;突破现有特征量提取方法的瓶颈,提出一种基于电流量与温度量的电弧能量特征提取算法,并形成主动保护判据。PSCAD和COMSOL联合仿真结果及实验室人工模拟试验结果表明,该方法能够在早期故障最短持续时间内可靠判别并隔离故障区段,大幅降低短路发生概率,以确保规模化直流并网系统安全高效地运行。

关键词： 液压伺服机构   FTA   电液伺服阀   振荡故障  

摘要： 以某飞行器液压伺服机构振荡故障为研究对象,利用FTA分析法找出问题原因并解决了该问题。建立故障树,完成对系统级、伺服阀级的故障定位;利用仿真手段说明伺服阀超调与否对伺服机构的影响,将机制表述清楚;将不同伺服阀调整至超调状态,开展联试,伺服机构振荡,充分完成了故障复现工作;将无超调的阀与伺服机构进行联试,在振动量值逐步增大的情况下,仍未谐振,验证措施有效;将同样的经验推至其他型号、其他单位,解决了同类质量问题隐患,大大提升了装备质量。

关键词： 故障诊断   双重变换   原型网络   轴承  

摘要： 随着现代工业的发展,对机械部件的故障诊断变得越来越重要,特别是对于滚动轴承,其故障会造成重大的安全风险。虽然深度学习模型已经被应用在故障诊断领域,但在数据分布差异大、样本数量有限的情况下,模型的泛化能力和故障识别准确率往往难以保证。针对故障诊断领域存在的这一问题,我们提出了一种基于双重变换和领域对抗的原型网络轴承故障诊断方法。并在数据集上进行实验,证明了在变转速场景下该方法的有效性。实验结果表明,所提方法具有较强的处理小样本跨域问题的能力。

关键词： 城市轨道交通   UPS   切换故障   整流器保护  

摘要： 交流不间断电源(UPS)是地铁通信电源系统的核心设备,能为通信、ISCS等设备提供质量良好的交流不间断电源。针对苏州轨道交通3号线多站UPS无法自动切回市电状态的故障,通过对UPS工作原理、电网情况、整流器保护机制等进行深入分析研究,结合故障模拟复现,分析出导致该故障的原因,提出改进整流器相关软件控制逻辑的方案并进行测试验证,为类似故障的预防和分析处理提供借鉴。

关键词： IKH   S-GRN   输电线路   故障识别模型  

摘要： 准确辨识输电线路的故障类型和故障位置属于电力运维工作的重要内容。为了达到该目标,本文提出基于孪生神经网络(SNN)和门控循环单元(GRN)的S-GRN故障辨识模型,并且运用改进磷虾算法(IKH)对该模型中的权值参数进行寻优,经过大量训练后产生成熟的模型。在性能仿真阶段,运用MATLAB软件构建输电线路,分别模拟单相接地短路、两相间短路、两相接地短路、三相短路4种故障类型,检测故障辨识模型的应用效果。结果显示,在不同故障距离或者过渡电阻条件下,模型对4种故障的平均识别准确率均达到96.25%以上。研究结论如下,IKH优化S-GRU输电线路故障辨识模型优于同类算法模型,整体分类准确率较高。

关键词： 数控车床   机械故障   机械磨损  

摘要： 【目的】探讨数控机床机械故障的产生原因及处理方法,降低维护成本和停机时间。【方法】采用经验总结法和描述性研究法探讨了数控机床的机械故障类型,如机床运转不平稳、轴承噪声过大和机械手夹持刀柄不稳定等常见机械故障,以及驱动系统、液压系统、冷却系统故障等非常见机械故障。针对具体的故障类型进行故障分析,判断故障的具体位置和性质,并提出了相应的预防及维修策略。【结果】1)机械磨损、设计缺陷和操作不当是主要的故障原因。2)通过状态监测和信号检测技术,可以精准定位故障位置,分析故障性质和严重程度,确定故障的根本原因。【结论】预防性维护和合理的维修策略是确保机床稳定运行的重要手段,通过建立故障档案和优化维护流程,不仅能够提高故障处理效率,还能确保生产的连续性和稳定性。本研究能够为未来的数控机床机械故障诊断与维修工作提供有价值的参考。

关键词： 辅助分类生成对抗网络   类小波变换   轴承故障诊断   数据生成  

摘要： 利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分类生成对抗网络。基于小波变换原理,使用多层神经网络构建类小波变换(WLT)网络,模拟小波变换及逆变换,建立时域与频域信号的映射关系;将WLT网络嵌入辅助分类生成对抗网络(ACGAN)模型中,作为模型生成器的主体;构建两个不同功能的判别器,使得改进的ACGAN在一次训练中能同时学到真实轴承振动信号的时域和频域特征信息。试验结果表明,WLT-ACGAN模型生成的轴承振动信号具有与真实轴承振动信号一致的时域特征和频域特征,数据不平衡时,利用生成信号扩增的平衡数据集构建的故障诊断模型具有较高的准确率。