课程文献中心 更多>>

关键词： 电压源变流器(VSC)   变流器故障   故障机理与特性   变流器状态监测   变流器故障诊断  

摘要： 电压源型变流器(Voltage source converter,VSC)广泛应用于分布式发电和储能单元等并网领域中，VSC系统严重影响并网系统的稳定运行。开发并网VSC潜在故障的健康状态监测和早期观测识别，对于保证变流器持续安全稳定可靠运行具有重要意义。首先，对并网VSC的主电路结构及常见电气故障进行了总结和分析，包括DC-link电容故障、绝缘栅双极型晶体管(Insulated gate bipolar transistor,IGBT)故障、滤波电感故障、交流侧电流传感器和电压传感器故障等，并阐明了故障发生机理与故障特性；其次，以并网VSC状态监测和故障诊断方法为核心，对国内外学者的相关研究进行了分类和归纳，对比总结了不同状态监测和故障诊断方法的优点和不足；最后，对并网VSC状态检测和故障诊断技术未来的研究方向进行了展望。

关键词： 无人机集群   航姿参考系统   相对测距   协同导航   故障诊断  

摘要： 为有效解决无人机集群在卫星部分拒止下的低成本导航定位问题，提出了一种基于航姿参考系统(AHRS)的无人机集群协同导航方法。以AHRS作为基础完成三维位置状态递推模型设计；其次设计了一种基于机间测距的分布式协同导航滤波器，利用构建的协同精度因子(CDOP)完成最优节点筛选，降低了导航系统的计算负担；接着通过故障识别与隔离算法完成对受扰协同量测信息的诊断与系统重构；利用分布式协同导航算法完成位置解算。仿真与实验表明，协同导航方法能有效解决集群过度依赖卫星导航、大规模导航信息处理慢等难题，相较于传统多源融合算法有效降低了系统硬件成本，符合大规模无人机集群低成本下的高精度定位需求。

关键词： 人工智能   反激式开关电源   时域特征   小波包奇异熵   故障诊断   DNN辨识  

摘要： 将人工智能技术应用到故障诊断领域可以实现电力设备的自动化、智能化诊断，提高诊断精度和效率。以单输入多输出的反激式开关电源为例，针对其因脆弱元件失效而引起的电路工作性能异常的问题，通过分析不同故障模式的信号特性和可分性，提出了融合输入电流和输出电压信息的非侵入式开关电源故障诊断方法。构建了由时域特征及频带小波包奇异熵特征组成的融合时频域信息的多维特征矢量，建立了故障特征与故障模式之间的映射关系。进而，提出了基于人工智能技术的深度神经网络（DNN）故障诊断方法，实时监测反激式开关电源的运行状态，并通过数据分析及时识别故障位置，对潜在故障进行预警。实验结果表明：本文所提出的方法对单故障和多故障模式均具有良好的诊断效果，诊断准确率可达97.9%，并且，在不同工况下，该方法均可表现出较高的诊断准确率和较强的抗干扰性能。

关键词： 地表沉降联合预测   先验机理   多峰高斯拟合   深度森林   时空效应   盾构机  

摘要： 盾构机掘进过程中地表沉降现象难以避免，通常沉降超过规定阈值或呈现不规则变化时会直接影响隧道的施工质量，因此，能否采取及时、准确的地表沉降监测手段预估沉降变化幅值及趋势，并对异常状态做出预警显得尤为重要。考虑到最大沉降值点与其所在环断面的沉降分布关系方面存在一定研究空间，提出一种沉降机理指导下的基于盾构机运行数据和沉降监测数据驱动的横纵双向地表沉降联合预测框架。首先根据横向（环断面方向）沉降机理采用多峰高斯拟合方法对沉降分布形态进行预测；其次分析沉降序列的时空效应并通过深度森林算法进行纵向（掘进方向）沉降值预测；然后，分析预测值是否位于依据沉降分布形态划定的预警区域内并判定沉降有无异常，并以质量损失函数和多分类准确率指标为基础设计了联合沉降预测准确度的判定指标；最后，将模型应用到天津地铁4号线盾构施工过程的沉降预测中，多指标综合评价及联合判定结果的准确率证明了本文所提方法的有效性和优越性。

关键词： 滚动轴承   故障诊断   变分模态分解   注意力机制   灰狼优化算法   融合多尺度注意力神经网络   深度可分离卷积  

摘要： 近年来，深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度，以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模，提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先，采用了融合非线性策略与混沌映射的改进灰狼优化算法自适应地确定了变分模态分解（VMD）的模态数与惩罚因子；然后，将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络（FMANN）模型的时序输入，进行了多尺度通道特征融合；最后，对各个本征模态函数的预测结果进行了融合以得到最终预测结果。研究结果表明：FMANN模型在回转机构数据集上的均方根误差（RMSE）为0.001 12，平均绝对百分比误差（MAPE）为6.396 3%，决定系数为0.999 8。相比于其他预测模型，FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动，有望为未来实际工业生产拓宽新思路。

关键词： 深度学习   双阻尼小波   注意力机制   故障诊断   可解释性  

摘要： 针对深度学习模型决策机理和分类依据无法得知以及Morlet、Laplace等小波不能很好地匹配轴承真实故障脉冲响应的问题，本文提出一种sigmoid激活函数加权的双阻尼小波并构建小波卷积层，同时嵌入即插即用的轻量级的局部注意力机制，与现有的resnet18相结合，建立了既可物理解释又与神经网络兼容的Bdw-ResNet模型以及故障诊断的完整流程，并在南昌铁路局机车轴承数据集和青岛四方轮对轴承数据集上进行验证。最后，从先验赋能和归因解释两个方面阐述了Bdw-ResNet模型及其组件映射关系和可解释性分析。结果表明：所提方法在两个数据集上分别取得了98.73%和99.46%的识别准确率，与基准模型和其他的组合相比性能提升明显，为可解释性深度学习的故障诊断提供了一种解决思路。

关键词： 深度残差收缩网络   故障诊断   并网光伏发电系统   波形特征图  

摘要： 光伏发电存在诸如出力随机性强，受气象和环境因素影响大，易受接线方式和光伏电池组件内部健康状态等影响的问题。针对上述问题，将光伏阵列输出电压及各支路输出电流波形图像作为故障诊断模型的输入，并对深度学习典型算法中的卷积神经网络和深度残差网络进行改进，以适用于二维图像类型辨识且特征提取性能更佳的深度残差收缩网络（deep residual shrinkage network， DRSN）作为光伏阵列故障诊断算法，在Matlab / Simulink中搭建并网光伏发电系统仿真模型，及与之相对应的试验平台，分别测量正常运行及各类故障下的光伏阵列输出电压以及各支路输出电流，并绘制相应波形特征图作为DRSN算法的输入样本，实现并网光伏阵列的故障分类辨识。对比分析结果表明：该算法在并网光伏阵列故障诊断仿真中的准确率显著高于CNN和ResNet算法，并具有更佳的训练效果和分类性能。

关键词： 火炮   供输弹系统   故障分析   故障诊断   预测与健康管理  

摘要： 由机械、电气、液压高度耦合而成的火炮供输弹系统是火炮实现自动化的核心关键系统。复杂性强、任务作业环境恶劣，导致供输弹系统故障率高、可靠性差，从而影响火炮系统整体性能，对其开展故障研究尤为重要。以火炮供输弹系统为研究对象，分析了供输弹系统故障所呈现的特点，总结了典型的供输弹系统故障分析方法，概述了供输弹系统故障诊断方法的研究进展和存在的问题。此外，当前故障诊断技术的发展和应用也为提高火炮供输弹系统的可靠性提供了有效的途径，通过了解多领域故障诊断方法的研究历程，探讨了供输弹系统故障诊断技术未来的发展趋势，并归纳了影响供输弹系统故障诊断研究的个性因素，为其之后地探索提供了研究思路。

关键词： 轴承智能故障诊断   多层次一致性   半监督深度网络   领域自适应   伪标签   一致性正则化  

摘要： 在滚动轴承的故障诊断中，深度学习智能故障诊断的成功很大程度上依赖于充足的标记数据；然而，实际的情况是，收集大量标记数据常常面临困难和高昂成本，而大量未标记的数据则未被有效利用。针对这一难题，提出了一种基于多层次一致性半监督深度网络（MLC-SDN）的滚动轴承智能故障诊断方法。首先，将轴承原始信号经过数据预处理转为二维时频图，建立了特征提取器模块，利用深度卷积网络将轴承样本映射到高维特征空间；然后，在域间层面，采用基于样本的最优传输方法，利用目标样本不同视图的优缺点，稳健准确地对齐源域和目标域；在样本层面上，将弱增强视图的预测设置为强增强视图的伪标签，以保证一致性，同时，将非目标类的预测分布纳入优化目标，避免其与目标类的竞争，从而提高了伪标签生成的预测置信度；最后，利用三种轴承数据集进行了对比实验。研究结果表明：该方法在不同数据集上均取得了预测精度超过95%的结果。MLC-SDN方法不仅可以充分利用有限标记数据，同时在处理未标记数据和实现高精度故障诊断方面具有广泛的适用性。

关键词： TBM cutter   Wedge-Lock system   C-shaped force sensor   Cutter force measurement   Real-time monitoring  

摘要： For the purpose of identifying the rock mass conditions of the tunnel face and determining the TBM operating parameters, real-time monitoring of TBM cutter forces is required. For a TBM cutter mounted in the cutter box with a fixed wedge block, a cutter force measurement system is proposed to measure the cutter forces in the laboratory. The C-shaped block in the cutter box was replaced by a designed C-shaped block sensor as the force measurement component. By optimizing the structure of the C-shaped block sensor, a bi-directional force sensor with two full-bridge circuits on the bottom and side of the C-shaped block was built. The cutter force measurement system consists of two C-shaped bi-directional force sensors to measure the normal force, rolling force and side force of the cutter. The results of laboratory calibration experiments show that the cutter force measurement system is capable of measuring the cutter forces under various working conditions, and the linearity of the system is about 10% for the overall force measurement. In general, the cutter force measurement system built with C-shaped force sensors has the advantages of accurate measurement, simple installation and stable operation. The system has great prospects for application in TBM tunneling.