关键词： 隐半马尔可夫模型   故障诊断   剩余寿命预测   樽海鞘群算法   协同进化  

摘要： 针对设备的健康诊断和剩余寿命预测问题,提出一种数据-模型双驱动的随机过程模型.首先针对非振动类信号提出了一种新的信号标量化方法,使得连续性信号(温度,速度,压强等)能够通过标量化方法形成可以输入到隐半马尔科夫模型的数据类型.其次,提出一种新式退化核驱动的改进隐半马尔科夫模型(Deterioration kernel-based modified hidden semi-Markov model,DK-MHSMM)实现机械装备观测标度至潜在状态的过程映射,动态甄别设备状态模式.再次,在DK-MHSMM中引入粘连系数,运用遗传算法以及樽海鞘群算法的协同进化算法替代常规EM参数估计方法对模型参数进行估计,根据设备全寿命分布特点以及设备当前状态值提出了相应的剩余寿命预测方法.最后,利用涡扇发动机数据集对该方法进行了验证,验证了该方法的有效性和可行性.

关键词： 混合神经网络   锅炉燃烧设备   故障检测   故障类型  

摘要： 为提高锅炉燃烧设备的稳定性和生产效率，确保工业生产的连续性和高效性，研究基于混合神经网络的锅炉燃烧设备故障智能检测方法。对传感器获取的多种形式锅炉燃烧设备运行数据预处理;提取与设备运行故障相关的关键特征;建立锅炉燃烧设备运行数据的时序处理模型，提出故障检测模型;融合卷积神经网络和长短期记忆网络，通过两者的判断实现故障智能检测。实验结果表明:以火电厂锅炉燃烧设备的历史故障数据作为测试样本，分别标定正常工况以及三种故障状态，所研究方法可以实现不同类型故障的检测，具有应用价值。

关键词： 电力一次设备   故障诊断   处理技术  

摘要： 电力一次设备故障诊断与处理技术是确保电网稳定运行的关键.本文简要探讨了电力一次设备的故障诊断方法,包括传统的物理检测和现代的智能监测技术;重点介绍了基于传感器的数据采集、实时监控系统以及故障预测模型在故障诊断中的应用;讨论了故障处理策略,包括快速隔离、应急修复和预防性维护,以提高设备的可靠性和电网的安全性.这些技术的综合运用,有效提升了电力系统的运行效率和故障应对能力.

关键词： 电梯   电气   控制系统   故障与检验  

摘要： 电梯电气控制系统相对较为复杂,系统故障分析中最常见的问题有电气安全回路故障、门系统连锁回路故障等,为有效降低系统故障,应了解电梯电气控制系统的具体工作原理,并进一步根据故障提出解决方案.本文就电梯电气控制系统典型故障加以分析,同时提出有效的检验预防方式方法,以期降低电梯故障发生概率,确保人们安全乘梯,为工作和生活带来便捷.

关键词： GBDT   配电网   故障分类   故障定位  

摘要： 为提升配电网故障分类的准确性和效率，研究提出一种改进的梯度提升决策树模型。该模型通过实时电流采样和经验模态分解技术，结合最小相关熵准则进行特征筛选，有效提高了故障检测的性能。在UCI机器学习库的四个数据集上，改进模型相较于传统梯度提升决策树模型实现了平均准确率约2.72%的提升，且和其他模型进行对比时，在F1分数、精确率和召回率上分别达到了90.9%、93.8%和91.2%。研究结果表明，该方法在故障定位和分类任务中表现出色，验证了其在配电网故障管理中的应用潜力。

关键词： 图卷积神经网络   多传感器   跨设备   域自适应   故障诊断  

摘要： 【目的】对于实际生产中的机械设备，很难或无法获取大量的标记数据，导致传统故障诊断方法的准确率较低。针对此问题，提出一种基于图卷积和多传感融合的跨设备故障诊断方法 （Convolutional Domain Graph Convolution Network, CDGCN）。该方法可以对类标签、域标签和数据特征结构进行建模。【方法】首先，使用卷积神经网络从输入信号中提取特征，然后，通过图生成层挖掘样本的特征结构关系来构建实例图。利用图卷积神经网络对实例图进行建模，同时提出多传感高层特征融合方式，进行多传感器的信息融合。最后，利用分布差异度量、分类器和域判别器实现域自适应。【结果】所提方法可以捕获域不变特征和判别特征，实现跨设备的故障诊断。通过两个数据集的迁移试验表明，所提出的CDGCN不仅在比较方法中获得了最佳性能，而且能够提取可转移的特征进行跨设备的域自适应。

关键词： 深度学习   卷积神经网络   配电网   故障辨识系统  

摘要： 传统配电网故障辨识系统难以应对复杂多变的配电网故障情况，导致辨识误差大。针对上述问题，研究一种基于深度学习的配电网故障辨识系统。该系统以MVP结构为基础，设计三层框架结构。在配电网上布设故障录波器，采集故障数据并通过无线通讯模块传输到监控中心。监控中心处理器运行深度学习中的卷积神经网络算法，判别故障类型。通过C型行波法准确定位故障位置，完成故障辨识。结果表明:无论是面对何种工况，系统中定位单元的故障定位误差都相比更小，而两种传统方法在面对工况1、工况2这种单一故障时，定位准确度较高，但是面对工况3、工况4这种多种故障同时发生的复杂工况时，定位准确度就大大下降。

关键词： 气体绝缘组合电器   时变滤波经验模态分解   减法平均优化算法   局部放电   故障诊断  

摘要： 针对气体绝缘组合电器（GIS）的绝缘缺陷导致局部放电的问题，提出一种基于改进减法优化算法（CSABO）的局部放电故障诊断方法。引入混沌和柯西变异理论改进减法优化算法，将其用于时变滤波经验模态分解（TVFEMD）和最小二乘支持向量机（LSSVM）的关键参数寻优;采用CSABO-TVFEMD分解四种典型故障特高频信号，利用相关系数对分量进行选取，以五项指标作为特征向量，输入CSABO-LSSVM中进行故障识别。实验结果表明，CSABO-TVFEMD-LSSVM方法相比于其他现有优化算法寻优效果更好、收敛速度更快，能够有效识别不同缺陷的局部放电信号，识别正确率高达98.33%，对GIS运维现场故障能进行有效诊断。

关键词： GIS   内部缺陷   有限元   DR成像   可视化   检测  

摘要： 目前，现有的超高频检测和超声波检测等方法存在缺陷定位难的问题。为了实现对设备内部结构和工作状态的全面监测和评估，研究通过有限元软件搭建气体绝缘金属封闭开关设备三维模型分析内部缺陷，结合X光射线成像信号和光纤传感器数据进行分析。结果表明改进方法的均方根误差为0.001 1，信噪比为7.943，处理后的信号平滑且保留了局部特征，去噪效果显著。同时，模型和数字射线成像清晰显示了设备内部缺陷，验证了可视化检测的有效性。这显著提高了设备检修效率，为GIS设备的检测提供了坚实的技术支撑。

关键词： 电机   故障诊断   噪声环境   梅尔频率倒谱系数   卷积神经网络   多尺度   卷积注意力模块   特征融合  

摘要： 针对电机实际工作过程中存在噪声干扰导致故障诊断精度下降的问题，本文提出了一种基于梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络的故障诊断方法。通过梅尔频率倒谱系数动态特征提取噪声信号中的低频信息，并结合卷积注意力模块的自适应调节能力及多特征融合策略进一步减少噪声对故障诊断的干扰。通过电机台架数据验证了该方法在噪声条件下诊断的可行性，然而该方法受梅尔频率倒谱系数参数与网络结构的直接影响，因此具体分析了不同参数条件对抗噪性能的影响。实验结果表明：在噪声背景下，梅尔频率倒谱系数动态特征与多注意力融合卷积神经网络相结合的故障诊断方法具有更高的诊断精度。