关键词： 电动汽车   继电器   粘连故障   充电安全  

摘要： 随着电动汽车的普及,充电安全问题日益凸显。车辆继电器作为充电控制导引电路的关键组件,其可靠性直接影响到充电过程的稳定性和安全性。文章针对欧标电动汽车充电控制导引电路中继电器粘连故障问题,分析其粘连原因、检测方法及解决措施。通过结合试验数据和案例分析,提出一套有效的车辆继电器粘连故障检测方案。该方案不仅能保障车辆免受损害,还显著增强了电动汽车充电系统的安全性与可靠性。

关键词： 电压互感器   温度   算法   故障诊断  

摘要： 电压互感器故障诊断对于保障发电机组的安全可靠运行具有十分重要的意义。基于动态时间规整算法(D)、K最近邻分类算法(K)和长短时记忆网络分类算法(L),开发了具有离线故障检测和在线故障检测功能的红外测温专家诊断系统,通过对水轮发电机机端电压互感器温度的监测,可以快速、准确地实现电压互感器故障的诊断和预警。

关键词： 离心风机   滚动轴承   图像编码   格拉姆角场   轻量化卷积神经网络   空间注意力机制  

摘要： 针对石化离心风机轴承故障诊断方法精度不高、诊断速度慢和泛化性较差的问题,提出了一种基于格拉姆角差场(GADF)图像编码以及融合了空间注意力机制的轻量化卷积神经网络(SAM-LCNN)的石化离心风机轴承故障诊断方法。首先,使用格拉姆角差场将轴承一维振动信号编码为二维图像;然后,构建了融合空间注意力机制的轻量化卷积神经网络;最后,将GADF转换所得二维图像作为融合空间注意力机制的轻量化卷积神经网络的输入,进行了特征提取与故障诊断,分别采用了广东石油化工学院的石化多级离心风机轴承故障数据集与凯斯西储大学轴承故障数据集,对该方法的有效性及优越性进行了验证。研究结果表明:两种数据集的测试集分类准确率分别为99.7%和98.5%;相较于卷积神经网络(CNN)、LeNet-5和MobileNetV2三种对比方法,该离心风机滚动轴承诊断方法具有诊断精度高、诊断速度快和泛化能力强等优点。该方法能够有效地对石化离心风机轴承故障振动信号进行分类,可为石化安全生产提供保障,同时也为其他机械设备故障诊断提供参考。

关键词： 光伏阵列   故障诊断   神经网络  

摘要： 针对光伏阵列裂纹、热斑、开路、短路等故障,人工巡检方式存在检查效率低、准确率不高的问题,本文提出了光伏组件故障在线检测及诊断方法,通过提取光伏组件故障特征参数,建立故障类型与故障原因映射关系网,并反映在神经网络的结构、连接权值和阈值之中,将故障数据录入到经过训练的神经网络模型中,进而实现光伏组件的故障监测及诊断。本文对提高光伏发电运维效率,以及降低运维成本具有十分重要的意义。

关键词： 防爆电梯   故障树分析   危险源   辨识  

摘要： 为了减少或消除防爆电梯潜在的点燃危险源,应用故障树对防爆电梯危险源进行辨识研究。先对防爆电梯系统的结构构成和潜在危险源进行分析,掌握防爆电梯点燃危险源状况;建立防爆电梯危险源故障树结构,运用故障树定性和定量分析方法,得到轿厢门系统、导向系统和电气控制系统发生点燃危险相对较高;根据危险源辨识分析结果,提出防爆电梯重要点燃危险源的风险防范措施,以降低防爆电梯设计与使用风险。

关键词： 电力物联智能终端故障分类   神经网络   知识-数据融合   注意力机制   集成学习  

摘要： 电力物联智能终端离线故障的准确辨识能够极大地提升运维效率。但随着新型电力系统的建设,电力物联智能终端逐渐多样化,所采集的历史数据也逐渐丰富,需要强大的特征提取与分析能力才能尽可能准确地从历史数据中分析出终端的离线原因。基于上述问题,文章提出了知识数据融合的电力物联智能终端故障分类广义集成学习方法,首先构建了GRU-DNN-Attention网络模型,利用GRU和Attention层提取历史时序数据中的异常特征,并融入知识以提升算法的分类准确性,进而提出了基于动态权重自适应的广义集成学习算法,以解决神经网络在小数据集中表现不佳的问题。通过仿真实验,验证了该算法能够较好地实现电力物联智能终端离线故障原因的分类辨识。

关键词： 电机远程监测   故障诊断   在线平台  

摘要： 电机远程故障监测平台结合物联网、传感器和大数据分析技术,实现了对电机运行状态的实时监控与分析。通过监测振动、温度和电流等参数,平台能够早期预警和准确诊断电机故障,从而大幅提高电机的可靠性和使用寿命。通过介绍电机在线监测技术的原理与应用,分析其在工业生产中的经济和技术价值。实践表明,平台优化了电机运维过程,提升了智能化和效率水平,在现代工业运维中具有重要的应用前景和价值。

关键词： 混合三端直流输电   故障定位   变分模态分解   卷积神经网络   麻雀搜索算法  

摘要： 针对因结构复杂导致的混合三端直流输电线路故障定位困难的问题,提出了一种结合变分模态分解算法与改进卷积神经网络(CNN)的故障定位方法(VMD-CNN)。首先,利用PSCAD/EMTDC软件构建混合三端直流输电系统模型,获得故障电流数据,应用克拉克变换对其解耦,获取故障电流的线模分量;其次,对得到的线模分量进行变分模态分解(VMD),得到多个本征模态函数(IMF)分量,选取特征信息最丰富的IMF分量作为VMD-CNN模型的输入;然后,利用高效的分类模型支持向量机(SVM)判别故障发生的区域,将提取到的IMF分量作为SVM输入进行训练学习,可以准确判断出故障发生区域;最后,搭建VMD-CNN模型进行故障定位,挖掘出行波信号中蕴藏的故障信息,同时通过麻雀搜索算法优化CNN中的超参数,实现混合三端直流输电线路的精确定位。仿真结果表明:过渡电阻为100Ω,不同故障位置情况下的定位相对误差均在0.17%以内;故障位置为460 km,不同过渡电阻情况下的定位相对误差均在0.25%以内;过渡电阻为50Ω,不同故障类型情况下的相对误差均在0.3%以内。所提方法能够提升不同故障位置、过渡电阻和故障类型下的定位准确性。

关键词： 线激光扫描热成像   CFRP   无损检测   COMSOL仿真   参数分析  

摘要： 为进一步研究线激光扫描红外热成像无损检测技术,探究检测过程中可调参数及被检材料参数对热成像结果的影响,以获取最佳缺陷检测效果。本文使用COMSOL软件建立线激光扫描碳纤维复合材料的有限元分析模型,选取缺陷中心处及无缺陷处表面最大温差作为衡量检测效果的特征量,分析线激光长度、缺陷大小及缺陷深度对CFRP(Carbon Fibre Reinforced Plastics)热成像结果的影响规律,并分别对3个参数与检测效果的关系进行拟合。研究可为搭建激光扫描热成像检测系统和制定准确可靠的检测标准提供参考。

关键词： 皮尔逊相关系数   变分模态分解   一维卷积神经网络(1D-CNN)   早期故障诊断  

摘要： 针对轴承早期微弱故障信号容易被强噪声环境掩盖、特征难以提取的问题,提出一种基于皮尔逊相关系数和变分模态分解的一维卷积神经网络的早期故障诊断方法。采用VMD对原始振动信号进行变分模态分解;计算各模态分量与原始信号的皮尔逊相关系数,再根据相关系数阈值去掉噪声分量并对信号进行重构,最后对重构信号进行傅里叶变换并输入到一维卷积神经网络中,利用一维卷积神经网络对轴承早期故障进行诊断。利用所提方法对西储大学(CWRU)轴承数据集的滚动轴承故障数据进行分析,诊断准确率达到99%以上,验证了所提方法对滚动轴承早期故障诊断的有效性。