关键词： 小波包分解   配电线路   短路故障   自动定位  

摘要： 为解决传统低压配电线路短路故障自动定位技术精准度不足的问题,提出了一种基于小波包分解的低压配电线路短路故障自动定位方法。首先,采集配电线路两端的电压、电流等参数数据,挖掘并提取低压配电线路短路故障阻抗特征,以此为基础构建短路故障自动诊断及初步定位框架。然后,引入小波包分解技术,对初步定位结果进行精细化偏差校正,实现短路故障定位。最后,利用实验验证所提方法的先进性。实验结果表明,与传统方法相比,所提方法的自动定位准确性更高,且其能准确、快速地锁定故障位置,可为电力系统稳定运行提供有力保障。

关键词： 机电一体化设备   设备故障   智能诊断技术  

摘要： 近期,科技的迅猛发展推动了机械设备向智能化、多样化、紧凑化和大型化的方向演变。机械与电子技术融合的机电一体化技术,有效地整合了电子、信息和信号处理等技术,为我国机电行业的深入发展提供了有力的推动。自改革开放伊始,我国市场经济的发展展现出全新的态势,机电一体化设备成为关键设施。为了确保机械设备的正常运行,减少不利因素的出现,必须强化对设备故障的检测工作,从而促进机电行业在现代社会进步中的发展。鉴于此,本文深入探讨了机电一体化设备智能故障诊断技术的实际应用策略。

关键词： PSO-BP模型   故障识别   预防性维护   K近邻模型   支持向量机   极端梯度提升   高通量数据  

摘要： 目的提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法和反向传播(Back Propagation,BP)神经网络模型的呼吸机故障识别与预防性维护策略,旨在提高呼吸机设备管理、维修水平,为呼吸机预防性维护提供参考。方法选取2017—2023年我院使用的呼吸机日常质量控制数据、临床使用数据、环境数据等多模态数据为研究对象,介绍PSO算法,建立粒子群优化-反向传播(PSO-BP)模型,同时引入K近邻(K-Nearest Neighbor Classification,KNN)模型、支持向量机(Support Vector Machine,SVM)模型以及极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型作为对比模型,并选择准确度(Accuracy,ACC)、精准度(Precision,PRE)、召回率、F1得分以及曲线下面积(Area Under Curve,AUC)对模型进行评价。结果训练后的PSO-BP模型ACC、PRE、召回率、F1得分及AUC值分别为90.05%、91.00%、89.30%、0.90以及0.88;相对于KNN、SVM、XGBoost以及BP模型,PSO-BP模型识别ACC分别提高了6.64%、4.50%、3.32%、7.35%;召回率、F1得分及AUC值在一定程度上也得到了提高。模型最优阈值为0.6768,呼吸机安全区、稳定区、危险区以及高危区区间分别为[0,0.3384]、(0.3384,0.6768]、(0.6768,0.8384]、(0.8384,1.0000]。结论通过高通量医疗大数据建立的PSO-BP模型可有效识别呼吸机故障,并可使用定量数据为呼吸机预防性维护提供参考,具有一定的理论和实际应用意义。

关键词： 那位水库   温控计算分析   有限元   混凝土重力坝  

摘要： 根据混凝土重力坝设计规范,重力坝坝体应力一般要求为压应力,局部区域出现拉应力时,也不能超过混凝土的容许拉应力。但是在坝体混凝土浇筑过程中,因水泥水化产生较多热量,浇筑初期坝体内部温度一般较高,在后期温降过程中,因内外温差、上下层温差等影响往往产生较大的温度应力,进而导致混凝土结构中出现裂缝,严重时甚至会影响到整个结构的稳定性。因此在混凝土重力坝设计中,根据实际施工计划,进行温控仿真计算,进而提出合理、有效的温控标准及温控措施是十分必要的。本文选取那位水库最高的5#非溢流坝段,运用三维有限元软件模拟该坝段施工全过程,研究其温度场及温度应力场规律,为工程项目制定温控标准及施工温控措施提供设计依据。

关键词： 多特征融合   智能安全带   故障预警   预警区间  

摘要： 电力作业环境复杂多变,包括温度、湿度、气压、风速等多种因素,这些因素都可能对智能安全带的正常工作产生影响,使得智能安全带故障预警难度上升,为此提出了基于多特征融合技术的智能安全带故障预警方法。在不同特征空间内分别对智能安全带特征进行聚类,将所得的聚类结果进行关联,完成智能安全带多特征融合。根据智能安全带特征融合结果计算安全带故障预警指标并确定故障预警的区间,判断指标是否落在预警区间内,从而实现智能安全带故障的准确预警。实验结果表明,在作业距离为60m时,实验组的信号源的电压值大幅度降低,控制单元判断安全带为未系状态,发出预警后安全带预警灯亮起,说明该方法能够提升预警的准确性,为电力作业人员的安全提供有力保障。

关键词： 掘进机   截割机构   截割电机   故障诊断  

摘要： 针对掘进机在截割过程中出现的剧烈振动、轴承高温和电机电流异常等故障问题,文章以EBZ160型掘进机截割机构为研究对象,深入研究截割机构的特性及工作环境,并设计了一套实时监测与诊断系统。该系统融合多种传感器技术,运用先进的信号处理方法和数据采集卡,能够有效地监控截割机构的振动、温度和电流状况。在半年的现场应用测试中,该系统证明了其故障识别和处理能力,显著提高了截割机构的工作效率和安全性。

关键词： 通信设备   组装调试   故障排查   解决策略  

摘要： 通信设备组装调试是确保设备性能达标的关键环节,然而在这一过程中,故障的出现难以避免。这些故障可能源于零部件的兼容性、组装工艺的瑕疵或者调试参数的错误等多种因素。故障的存在不仅影响设备的功能实现,还可能延误项目进度,增加成本。基于此,本篇文章对通信设备组装调试中的故障排查与解决策略进行研究,以供参考。

关键词： 光伏组件   热斑   图像分割   状态评估   深度学习   红外图像  

摘要： 针对光伏组件热斑的精确定位和量化评估,提出一种基于改进DeepLabV3+网络与热斑像素比重模型相融合的光伏组件状态量化评估方法,旨在实现不同热斑状态的量化评估。首先,基于获取的红外热斑图像集,提出在DeepLabV3+主干网络中引入迁移学习网络(EfficientNetB7)来提高热斑形状特征提取能力,进而实现热斑的像素级语义分割;其次,利用Canny算法对分割的热斑图像进行像素级轮廓界定,并利用格林积分计算其像素比重;最后,通过构建状态评估模型实现对光伏组件热斑状态的量化评估。现场试验表明,与常见的语义分割方法(DeepLabV3、FCN、U-net、Linknet、SegNet)相比,该文所提方法在像素准确率和平均交并比方面分别达到98.33%和91.43%,具有较好的热斑分割效果。此外,所提状态评估方法可实现对光伏组件热斑大小的准确量化评估。

关键词： 液压系统   油液分析   故障诊断   遗传算法   信息融合  

摘要： 采用油液分析技术对液压系统进行故障诊断和状态监测对保障其可靠运行,防止事故发生具有重要的经济和工程意义。受采样条件和测试费用的限制,油液样本相对较少;油液分析技术种类多,每种技术只能够在一定的知识范围内对液压系统的运行状态做出诊断,且准确率往往偏低。针对以上问题,采用信息融合思想,构建基于量子多种群遗传算法(QMPGA)参数寻优的最小二乘支持向量机(LSSVM)油液分析信息融合故障诊断模型。将该模型用于挖掘机液压系统故障诊断对比发现,该模型相较于BP神经网络、LSSVM和基本遗传算法(GA)参数优选的LSSVM模型,具有更高的故障诊断准确率,且对小样本情况下的故障诊断具有一定的参考价值。

关键词： 变电站   电气自动化控制系统   安全性能优化   故障诊断算法  

摘要： 本文针对变电站电气自动化控制系统的安全性能优化与故障诊断算法开发进行了深入研究。首先概述了变电站电气自动化控制系统,接着提出了安全性能优化的方法,包括采用先进算法对系统控制策略进行优化,最后分析了故障诊断算法,通过实时监测和分析系统数据,及时准确识别并定位系统故障,为系统的维护和修复提供有力支持。