关键词： 直升机   自动驾驶仪   地面自检测  

摘要： 本文针对某型直升机自动驾驶仪在地面自检测(PBIT)时报“1”“2”故障代码,分析了该型自动驾驶仪地面自检测故障代码成因,通过检测比较器工作状态,排查出“总距预控”C4比较器故障,并确定了故障原因是1处导线虚接。

关键词： 物联网   配电自动化   故障诊断技术  

摘要： 文章探讨了配电自动化系统的故障诊断技术,提出了一种基于物联网和深度学习的新方法。通过信息传感设备实现电网关键信息的即时搜集与处理。依托于物联网技术,通过安装感应器和智慧装置,即时采集配电网络中的操作信息,并结合深度学习算法,特别是LSTM模型,进行故障预测诊断,故障诊断准确率达到93%。与传统方法相比,本方法在真阳性、真阴性、假阳性、假阴性等关键指标上均有提升,准确率、精确率、召回率和F1分数也明显高于传统方法。故障处理与恢复模块的实现使得平均故障修复时间缩短至25min,提高了配电自动化故障诊断效率。

关键词： 滚动轴承   故障诊断   变工况   迁移学习   无监督域适应  

摘要： 针对滚动轴承在不同工况下振动数据分布差异大且难以获取所有故障标记样本,致使故障诊断模型泛化能力差的问题,提出了一种基于卷积神经网络-收缩网络(CNN-SN)和无监督域适应的变工况故障诊断方法。首先,构建领域共享的一维卷积神经网络以提取振动信号中的故障特征,同时引入软阈值学习机制构建局部特征收缩网络,缓解噪声对故障特征提取的影响;然后,对不同工况样本提取的故障特征引入最大均值差异的正则化约束,实现源域与目标域特征的全局对齐;最后,对无标签的目标工况样本,采用最大最小化分类器差异的对抗学习策略实现不同域特征更细粒度的子领域对齐。采用江南大学轴承数据集对所提方法进行试验验证,结果表明所提方法表现出良好的领域适配能力,具有较高的跨域故障诊断精度。

关键词： 人工智能   轨道交通信号   故障智能诊断技术  

摘要： 目前,高密度、高频率运行的地铁线路对安全运行的需求越来越高。随着人工智能的快速发展,采用人工智能对城市道路运输中的信号系统进行故障诊断的需求变得更加迫切。针对这一问题,文章以城市轨道交通信号系统故障为研究对象,通过采用机器学习和神经网络等先进方法,对其进行有效的故障分析和诊断,从安全性、实时性、准确性和可扩展性等方面入手,通过融合多源数据和自适应诊断技术,以提升故障诊断的能力和精度。

关键词： 柴油加氢转化   汽轮机   空冷   故障  

摘要： 介绍了中国石化安庆分公司100万吨/年柴油加氢转化装置汽轮机空冷风机故障分析及处理措施。结果表明装置汽轮机空冷风机控制在设计上存在缺陷,已增加故障信号报警和电机远程启停操作软按钮,建议后续汽轮机凝汽系统空冷器改为多台控制,降低因空冷故障而导致的停工事故的概率。

关键词： 数控磨床   热特性   热变形   有限元分析  

摘要： 针对导轨磨床因热变形影响磨削精度的问题,以某数控龙门式导轨磨床为研究对象,通过对不同工况下的机床热仿真对比,分析机床末端的热变形情况,并探讨其对工件加工精度和磨头磨损的影响。研究结果表明,万能磨头和周边磨头分别工作时,机床末端在空间中的热变形主要发生在Z轴方向,其最大变形量分别为-100.7μm和-79.08μm。万能磨头整体呈现前低后高、左低右高姿态,周边磨头整体呈现绕Z轴方向扭转、左高右低姿态。

关键词： 激光扫描   模块化   多电平   变流器   故障检测   神经网络  

摘要： 针对多子模块串联导致的模块化多电平变流器故障带来的损失显著增加问题,研究基于激光扫描的模块化多电平变流器故障检测方法。针对模块化多电平变流器运行特征,采用激光扫描技术,通过激光器、成像物镜以及探测器等,采集模块化多电平变流器故障分布式大数据,如短路数据、开路数据、阀触发数据等。通过变流器故障激光扫描数据自适应结构重组,获取变流器故障激光扫描输出统计特征量。将该特征输入基于RBF神经网络故障检测模型中,模型通过学习与训练过程实现模块化多电平变流器故障检测,参考历史模块化多电平变流器故障原因,输出模块化多电平变流器故障类别。实验结果显示,所提方法在单一故障与多故障条件下故障检测精度均高于95%,可保障自身稳定运行。

关键词： 配网配电线路   常见故障   运检  

摘要： 配电网是电力系统的重要组成部分,其运行状态直接影响到电力系统的稳定和安全。但是,由于配电网本身的特点,使得其失效率较高,故障种类较多,这对电网的正常运行造成了极大的影响。因此,对配电网络中的故障现象进行研究,找到其产生的原因,并采取行之有效的运行与检修管理方法,对提升配电系统的运行效率与安全水平,有着十分重要的意义。

关键词： 补偿电容   容值估计   变分模态分解   有限元模型   改进的蜣螂优化算法  

摘要： 为满足“十四五”规划中提出的安全发展要求,针对无绝缘轨道电路中补偿电容故障识别困难、工作状态难以监测的问题,基于电磁场理论与传输线理论,建立了模拟轨道检测车技术的联合仿真模型,对补偿电容的工作状态进行分析并依据分析结果进行故障识别与定位。首先,提出一种“相关性中心频率比”的适应度函数,以解决变分模态分解需要预先设置模态个数与惩罚因子的问题;其次,改进蜣螂优化算法,并利用改进后的算法对变分模态分解的参数进行寻优;最后,利用优化参数对仿真数据进行变分模态分解,以能量为特征进行特征提取,根据每个补偿电容的作用区域的能量特征来表征相应补偿电容的工作状态,得到区段中每个补偿电容的特征与容值大小的关系曲线,拟合后得到补偿电容容值估计公式,并利用轨道电路真实数据进行了验证。结果表明,改进算法较未改进的算法及其他主流优化算法,具备更快的收敛速度和更好的寻优结果,补偿电容容值估计值与实际数据的绝对误差仅为2.7μF,故障电容识别准确率达96.6%。研究结果表明,本文所提方法在检测车这一技术环境下,可以为现场补偿电容故障识别与容值估计提供了较为可靠的参考。

关键词： 电力设备   预测性维护   红外热成像   局部放电检测   电力工程   深度学习   设备故障诊断技术   诊断模型  

摘要： 通过对振动分析、红外热成像、局部放电检测等多种诊断方法的综合应用研究,建立了基于深度学习的电力设备故障诊断模型。实验数据表明,该模型在变压器、断路器和电缆等关键设备的故障诊断中,确保准确率的同时,诊断响应缩短,显著提高了故障诊断效率,为电力设备预测性维护提供有效技术支撑。