课程文献中心 更多>>

关键词： 智能诊断   深度学习   因果表示   域泛化  

摘要： 针对设备工况变化导致基于深度学习（deep learning，简称DL）的故障诊断性能退化的问题，提出采用因果表示网络（causalrepresentationnet，简称CRNet）用于在变工况下实现高性能故障诊断，即域泛化（domain generalization，简称DG）故障诊断。首先，假设DG的结构因果模型，并基于此模型和独立因果机制（independent causal model，简称ICM）原理，得到因果驱动的诊断需求来消除特征间的关联；其次，利用随机傅里叶特征（random Fourier features，简称RFF）将模型提取的特征映射到高维空间，再利用高维空间中的特征构造衡量特征间关联的协方差矩阵，以矩阵非对角值为目标，学习一组权重对样本加权，消除特征间的广义关联；最后，以梯度为引导，屏蔽部分高梯度特征，增强特征包含的诊断信息。锥齿轮传动实验台的实验结果表明，CRNet具备最优的DG性能。

关键词： 多尺度改进差分滤波器   相关系数   旋转机械   故障诊断  

摘要： 为了准确地提取强烈背景噪声下的故障特征信息，提出了一种多尺度改进差分滤波器（MIDIF）用于旋转机械故障诊断。利用MIDIF将旋转机械振动信号分解为一系列多尺度改进差分滤波（MIDIF）信号。针对MIDIF滤波信号在揭示故障特征方面表现出不同程度的有效性，提出了一种基于相关分析的加权重构方法，该方法将加权系数分配给相应的MIDIF滤波信号以突出旋转机械故障特征成分。将加权系数与不同尺度下的MIDIF滤波信号相乘以产生瞬态脉冲分量，并利用包络谱中的故障缺陷频率推断旋转机械的故障类型。试验结果表明，相比多尺度平均组合差值形态滤波（ACDIF）和多尺度形态梯度乘积滤波（MGPO）,MIDIF更能够准确地提取故障特征，为旋转机械故障诊断提供了一种有效的方法。

关键词： 光伏阵列   故障诊断   I-V曲线   Catboost   猎人猎物算法  

摘要： 针对传统的光伏阵列故障诊断方法准确率低、模型性能差以及光伏I-V曲线数据利用率低的问题，提出基于HPO-CatBoost的光伏阵列故障诊断模型。首先，利用光伏阵列模型深入研究短路、开路、老化、阴影遮挡和环境因素（温度、光照）对I-V曲线变化的影响，并对其输出特性和故障成因进行系统分析；其次，通过Ordered TS编码来解决CatBoost中目标泄露导致预测偏移的问题，提高诊断模型的泛化能力；最后，CatBoost模型的性能受部分超参数的影响，故提出采用猎人猎物算法（HPO）对模型的关键超参数（树的数量、树的深度和学习率等）进行优化，进一步提升其在故障诊断上的性能表现，并对运行结果和实际光伏平台实验数据进行分析。实验结果表明，该模型的诊断准确率为99.5%，且相较于优化前的CatBoost模型，模型整体的准确率提高了3.4%。

关键词： 深度学习   二维卷积神经网络   变分自编码器   故障诊断  

摘要： 随着人工智能的快速发展，自动驾驶技术日益受到关注，但系统故障可能会引发事故和人身伤亡，因此，对故障进行及时的诊断具有重要的现实意义。为了有效地捕获异步交流电机振动数据和电压数据中蕴含的故障特征，进而高效地完成故障诊断任务，本文提出一种结合二维卷积神经网络（two-dimensional convolutional neural network， 2DCNN）、变分自编码器（variational autoencoder， VAE）以及Transformer的故障诊断方法。首先，将原始的振动数据和电压数据进行转换并进行归一化处理，再利用2DCNN-VAE-Transformer模型中的卷积层、池化层、编码器层、自注意力机制和多头注意力机制进行特征提取，最后，通过全连接层使用Softmax激活函数进行故障检测。使用在异步交流电机实验台上采集的数据进行实验，结果表明2DCNN-VAE-Transformer模型具有强大的特征提取能力，能更好地应用于电机故障诊断。

关键词： Vienna整流器   故障诊断   特征提取   随机森林   非平稳特性  

摘要： Vienna整流器开路故障信号存在非平稳特性，并且易受传感器噪声、基准偏移和负载变化的干扰，导致传统故障诊断方法的精度降低。因此，提出一种基于重要特征提取和改进随机森林故障诊断方法，用于提高Vienna整流器开路故障诊断的精度与鲁棒性。首先分析了Vienna整流器开路故障信号的非平稳特性及其产生机理。然后定义最优离散小波变换聚焦信号细节，实现多尺度故障特征提取。同时考虑特征的相互影响，采用改进的ReliefF算法优选重要特征。在此基础上，提出鲁棒精度加权的随机森林算法，表征重要故障特征与故障类别的映射关系，通过袋外数据的噪声鲁棒测试，调整决策树的投票权重，从而增强故障诊断的精度与鲁棒性。最后通过对比实验结果表明：所提方法具有鲁棒非平稳变化的能力，准确率可达99.84%。

关键词： 盾构施工   开仓换刀   超前注浆   地质监测   围岩稳定性  

摘要： 结合深圳机场至大亚湾城际铁路盾构隧道工程,重点研究超前注浆与地质监测技术在盾构机开仓换刀过程中的协同应用,评估其对围岩稳定性和施工安全性的影响。通过监测不同注浆厚度和支护参数的变化,系统分析了隧道变形及掌子面稳定性。结果表明:超前注浆技术能够显著提升围岩的稳定性,注浆厚度对塑性区分布、隧道拱顶沉降及掌子面变形的控制效果显著,其中2.0 m厚度的加固效果最佳但成本较高,而1.5 m厚度在安全性和经济性方面取得平衡;地质监测技术提供了实时反馈数据,有助于动态调整注浆和支护参数,增强掌子面支撑效果;合理控制支护应力比与加压措施,显著降低开仓换刀时的掌子面失稳风险。研究结果为复杂地质条件下盾构施工中的超前注浆与地质监测技术协同应用提供了有效的技术参考与优化建议。

关键词： 物联网   隧道机电设施   远程监控   故障诊断  

摘要： 在当今快速发展的信息技术时代,物联网技术因其高效、便捷的特性而广泛应用于各行各业。特别是在基础设施管理和维护领域,物联网技术展现出了巨大的潜力和价值。隧道作为现代交通网络中不可或缺的部分,其安全与稳定运行对于经济发展和日常生活至关重要。物联网技术可以实现隧道设施的实时监控和远程故障诊断,极大提高了隧道的运行安全性和维护效率。文章先对隧道机电设施进行概述,阐述了基于物联网的隧道机电设施远程监控与故障诊断系统设计,提出了基于物联网的隧道机电设施远程监控与故障诊断技术的应用,以期为隧道管理提供技术支持。

关键词： 交叉熵理论   电力变压器   故障诊断   回归熵向量  

摘要： 在变压器全寿命运行周期内,为准确定义变电故障事件的行为等级,尽可能避免电力击穿现象,提出了基于交叉熵理论的电力变压器全周期故障诊断模型。根据交叉熵理论算法原则,求解交叉评估指标与回归熵向量,联合全周期运行参数,实现对电力变压器全周期可靠性的评估。以故障率为基础指标,确定故障率分布参数的取值范围,联合相关故障行为参量,准确计算临界风险值,继而完成对电力变压器全周期故障诊断模型的设计。实验结果表明,基于交叉熵理论诊断模型的应用,能够精准定义变电故障事件的行为等级,在变压器全寿命运行周期内,在解决电力击穿问题方面具有突出作用。

关键词： 电梯   块式制动器   故障树分析   失效形式  

摘要： 探讨了电梯块式制动器的安全原理及其可能的失效形式,并提出了相应的对策与建议。首先,详细解析了块式制动器的结构组成及其工作原理,阐述了其作为电梯安全系统中关键部件的重要性。随后,采用故障树分析(FTA)从电气系统和机械系统两个维度,系统分析了块式制动器可能发生的失效形式。最后,提出了具体的对策与建议,有效预防并减少块式制动器的失效风险,从而保障电梯的安全稳定运行。

关键词： 高压直流通信电源   高频开关整流模块   故障诊断  

摘要： 高压直流通信电源是高压直流输电系统的重要组成部分,其可靠性直接影响系统安全运行。文章针对高频开关整流模块的故障诊断问题,提出了一种综合诊断方法。该方法包括相关数据收集、故障特征提取、故障模式分析以及诊断决策制定4个环节。通过实验验证,所提方法在多种典型故障场景下均表现出优异的性能,具有较高的故障检测率和分类准确率,以及较短的诊断响应时间。研究成果对保障高压直流输电系统安全稳定运行具有重要意义。