关键词： 框架结构健康评价   多物理引导神经网络   有限元协同   BWBN滞回模型   参数识别  

摘要： 为了量化结构安全状态并进行健康评价，提出了一种基于有限元协同与BWBN滞回模型的多物理引导神经网络(Multi-Physics Guided Neural Networks， MPGNN)的框架结构健康评价方法。首先通过贝叶斯更新技术(Bayesian Updating，BU)进行有限元模型的BWBN滞回参数识别。然后基于结构相对刚度水平计算有限元模拟及BWBN滞回模型下的结构健康度，以此构建多物理引导模块(Multi-Physics Guided Block， MPG-Block)中的有限元协同项以及物理学理论项，从而引导神经网络学习有限元及BWBN滞回模型中的物理规律，形成多物理引导神经网络。最后，以结构整体、局部监测指标与实际健康度分别作为MPGNN的输入和输出，实现结构健康评价。在此基础上，分别通过数值模拟和试验研究验证了方法的有效性，与其他经典模型对比具有更准确的结构健康评价效果。

关键词： 旋转机械   故障诊断   改进麻雀搜索算法   复合多尺度注意熵   极限学习机  

摘要： 为准确提取旋转机械轴承故障信号的特征，从而实现多类型的故障分类，提出一种融合复合多尺度注意熵(composite multiscale attention entropy， CMAE)和改进的麻雀搜索算法(improved sparrow search algorithm， ISSA)优化极限学习机（extreme learning machine， ELM）的旋转机械故障诊断方法。首先，针对传统注意熵缺少粗粒度易丢失信息的缺点提出复合多尺度注意熵，仿真试验证明该方法具有良好的稳定性和识别能力；其次，为提高麻雀搜索算法的性能，引入多种策略优化麻雀搜索算法并用基准测试函数测试其收敛性和求解时间，算法性能优异；然后，针对极限学习机参数难以调节的问题采用改进的算法对其进行优化，得到CMAE-ISSA-ELM模型；最后，利用数据集对所提模型进行旋转机械故障诊断试验。结果表明，相比未改进的方法，所提模型的诊断结果的精度提高了7.7%，这证明了融合CMAE-ISSA-ELM的旋转机械故障诊断的可靠性和优越性。

关键词： 车架   拓扑优化   拓扑灵敏度   多工况优化  

摘要： 车架轻量化设计对提高整车性能具有重要意义，文章应用免组装三维帕累托（Pareto）算法对运动型多用途汽车（SUV）车架进行拓扑优化概念设计。为了提高拓扑优化在实际工程应用中的速度，该方法将免组装有限元法与基于拓扑灵敏度的拓扑优化算法结合，使用一致的体素单元划分网格，用压缩共轭梯度法加速有限元求解速度，得到应力和应变场，从而获得拓扑灵敏度场，用来控制结构拓扑变化。先对车架弯曲工况、扭转工况分别进行单目标拓扑优化，获得了清晰的传力路径和材料分布，了解车架各部位对弯曲刚度和扭转刚度的影响，然后通过弯扭组合多工况拓扑优化获得车架概念结构，为后续的轻量化设计提供了理论参考依据。通过该方法和HyperWorks软件的对比，各工况下都得到了相近的拓扑优化结果，证明了此方法在获得最优拓扑方面的有效性；该方法的计算时间相比HyperWorks显著降低，表明此方法在解决大型拓扑优化问题时具有显著时间优势。

关键词： 风电场   柔性直流输电   故障   过电压   低电压穿越  

摘要： 风电经柔直送出系统送端交流汇集线路两端均为电力电子换流器，在送端发生交流故障时可能出现非故障相过电压和恢复过电压等问题，容易导致系统低电压穿越失败。为此，首先，分析了风电经柔直送出系统送端发生交流故障时系统产生非故障相过电压和恢复过电压的原因。然后，通过推导系统负序分量与非故障相电压之间的关系，并结合降压控制、闭锁控制和负序限幅优化等方法，提出了适用于送端对称和不对称交流故障等场景的低电压穿越策略。最后，在PSCAD/EMTDC中建立风电经柔直送出系统的电磁暂态仿真模型，通过在送端设置4种不同的交流故障类型，验证了所提策略的有效性和可行性。

关键词： 直流输电系统   电流源换流器   直流故障   控制作用   故障电流计算   故障清除  

摘要： 主动换相型电流源换流器(actively commutated converter，ACC)不存在换相失败且具备黑启动和交直流故障穿越能力，适用于构建新型直流输电系统。但是，ACC阀交流出口处存在换相电容，故障后其电压在滤波电感和交流系统馈入能量作用下的耦合暂态行为以及控制系统作用下阀换相引起的电路结构变化均会对直流故障电流造成影响，现有方法缺乏ACC-HVDC直流故障精确定量分析能力，不利于系统规划和保护设计。针对上述问题，提出一种基于全阶段统一时域简化模型的ACC-HVDC直流故障电流解析方法，考虑交流系统作用下LC滤波环节的状态变化及直流控制器和锁相环对换流器故障后桥臂换相时刻的影响，能够有效提升计算精确度。首先，建立ACC交流侧电容和电感的稳态频域模型；其次，推导故障后直流电流全阶段统一时域简化模型，剖析其发展机理；再次，基于故障后换相电容、滤波电感和控制系统的暂态解析模型分析桥臂开关状态的变化规律，获取换相特征系数，实现直流故障电流计算；最后，搭建PSCAD电磁暂态模型，对比验证所提方法的准确性。

关键词： 牵引脉冲整流器   故障诊断   数据驱动   电流预测器   故障分类器  

摘要： 在列车牵引变流器中，电流传感器和功率器件（如IGBT模块）作为薄弱环节，因受到过热过压等影响而故障频发，此类故障在初期往往潜伏在系统中，难以被硬件保护电路辨识。针对系统中传感器与IGBT（绝缘栅双极晶体管）模块开路的复合故障，以列车牵引系统中牵引脉冲整流器为研究对象，结合数据驱动回归与分类算法，提出一种混合数据驱动的在线诊断方法，避免单一数据驱动的局限，兼顾故障的检测与溯源。该方法通过建立故障检测预测器模型，设定预测值与传感器测量值残差阈值以实时判断系统运行状态，检测到故障发生后，通过故障诊断分类器模型识别出故障位置及原因。根据电流传感器故障与IGBT开路故障特性，分析牵引整流器单个IGBT开路故障与多个IGBT开路故障机理，提出一种基于故障特征叠加的故障诊断决策方法，在不同时间范围内区分出电流传感器故障和IGBT开路故障模式。实验结果表明，该故障诊断方法可检测到任意时刻的故障发生，可在10ms内，以98.5%的准确率诊断出电流传感器故障模式；克服IGBT相似故障干扰，在15ms内以99%的准确率诊断出单个和多个IGBT开路故障模式。所研究的在线故障检测方法无需增加额外的硬件电路，仅需将整流器网侧电压、电流信号和直流侧电压信号作为特征输入，是一种用于整流器在线诊断中精确且具实用性的有效方法。

关键词： 球形夹杂   球形基体   接触   有限元   弹性临界压痕量  

摘要： 为了准确预测含夹杂结构的接触力学性质，建立了含球形夹杂的球体与刚性平面接触的有限元模型。在有限元模型中，具有轴对称特征的球形夹杂和球形基体分别简化为二分之一圆和四分之一圆，球形夹杂与球形基体之间不发生相对运动。球形夹杂和球形基体被分别定义为弹性体和弹塑性体，球形夹杂为硬夹杂，即球形夹杂与球形基体弹性模量的比值被规定为大于等于1。通过对有限元模型的求解，研究了夹杂与基体的弹性模量之比、无量纲夹杂半径、无量纲夹杂深度对球形基体接触力学行为的影响，拟合出球形基体的弹性临界压痕量、弹性接触载荷、弹性接触压力峰值与球形夹杂物理参数之间的解析表达式。研究结果表明：球形夹杂与球形基体弹性模量的比值介于1和1.2之间，无量纲夹杂深度小于0.21，夹杂的弹性效应强于夹杂与球形基体的应力不匹配效应，夹杂的存在提高了球形基体的弹性临界压痕量；球形夹杂与球形基体弹性模量的比值大于1.4，无量纲夹杂深度小于等于3.5，应力不匹配效应强于夹杂的弹性效应，导致基体过早发生屈服，缩小球形基体的弹性变形范围；无量纲夹杂深度大于3.5，夹杂位于球形基体接触变形区域之外，故不影响球形基体的接触力学行为。

关键词： 连带晚点   铁路运输   旅客转线换乘   列车运行调整   启发式算法  

摘要： 针对线路故障影响下考虑转线换乘的列车运行调整问题，以线路故障触发的列车连带总晚点时间最短与由此引发的转线换乘失败客流数最少为双重目标，构建铁路线路故障影响下的列车运行调整优化模型。鉴于模型为大规模混合整数规划模型，设计基于高斯游走的改进粒子群求解策略。以京广高铁上行方向部分区段和郑徐高铁下行方向部分区段构成的路网构建测试场景，并运用IPS&GW算法对不同列车运行恢复策略下的列车运行调整优化模型进行求解。结果表明，相较策略I，故障扰动时长为10～30min之间波动时，策略II、III、IV所产生的列车连带晚点时间分别下降82.5%～86.6%、70.5%～81.49%、55.8%～58.7%，滞留旅客总数分别下降28.3%～39.1%、57.3%～61.9%、88.4%～89.4%；且在不同扰动情景下均能通过增加一定的列车总晚点时间来换取换乘失败旅客数量的明显减少。将本文所提出的IPS&GW算法与传统PSO算法进行对比，验证了前者在目标函数收敛速度方面表现出优势，从而切实有效恢复列车图定运行要求、减少换乘枢纽站滞留旅客数量。

关键词： 电力变压器   短间隙电弧   模式识别   深度可分离卷积神经网络   联合检测  

摘要： 短间隙油中电弧放电易造成设备损坏，甚至引发火灾和爆炸事故，对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快，传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为了解决上述问题，该文提出一种基于多物理量的油中短间隙电弧放电故障模式快速识别方法。首先，搭建一套可同时采集放电多物理特征信号的实验平台，获取并分析了各物理量的时域信号和频谱图；其次，在多物理时域信号的基础上，利用S变换生成对应时频图谱；然后，提出一种改进的深度可分离卷积神经网络模型，利用该模型开展基于多物理量联合的放电故障模式识别。结果表明：相比于仅利用单一信号，该文提出的多物理量联合检测的方法具有更高的识别准确率；与传统辨识模型相比，通过优化DSCNN网络框架，降低了参数规模和推理时间，有助于提高故障诊断速度，防止油中电弧放电发展到更为严重的阶段。

关键词： 滚动轴承   故障诊断   深度学习   WGAN   LightNet  

摘要： 深度学习应用于轴承故障诊断时存在着样本稀缺和模型复杂的问题，对此进行了研究并提出一种结合数据增广模块AugModule和轻量级分类网络LightNet的故障诊断方法。采用STFT将设备的一维振动信号转换为二维时频图，并通过引入谱归一化和AdaptiveMix改进的WGAN扩充数据集，扩充后的数据集输入到LightNet网络进行图像分类。LightNet基于ShufflenetV2改进，使用Scconv提升精度，采用SMU激活函数替代Relu，提出Channel rate和Channel crossing策略优化性能，并重新设置每个Stage中的Block堆叠数目，以实现准确率和效率的最佳平衡。经实验测试，该方法在减少模型参数的同时，具有较高的准确率和实际工程意义。