基于改进逻辑回归的电网覆冰故障预测研究

电网覆冰由于湿度、温度、海拔等因素可形成不同的覆冰类型，电网系统故障水平会根据覆冰类型的差异而变化。传统的电网覆冰故障预测多聚焦于覆冰厚度与电网故障的内在联系，忽略了覆冰类型对电网故障的影响作用。为解决这一问题，提出了一种改进的逻辑回归多分类算法，通过将拟合出的回归函数值输入Softmax函数转换为多概率形式实现对覆冰类型的分类，根据数据有无覆冰类型的划分，分别在不同的机器学习算法下对电网覆冰故障进行预测比较。经试验，采用改进逻辑回归算法预测覆冰类型的准确率达88%,电网故障预测的准确率较无覆冰类型下的预测在改进逻辑回归算法、朴素贝叶斯算法(Na6ve Bayes, NB)、K近邻、支持向量机算法(Support Vector Machine, SVM)中分别平均提高了5.3%、21.7%、7%、5.3%,研究表明，改进的逻辑回归算法可以准确预测电网的覆冰类型，提升电网故障预测的准确率。     

基于迭代退火算法的高压变频器功率单元频繁故障诊断方法研究*

现有的变压器故障诊断方法较为复杂且计算冗余度较高,在高压变频器的功率单元频繁发生故障时难以高效地检测故障。为此,提出基于迭代退火算法的高压变频器功率单元频繁故障诊断方法。采用小波包分解方法提取高压变频器功率单元的电压信号特征熵,将该特征熵输入到支持向量机模型。使用迭代退火算法优化支持向量机的训练参数,并输出诊断结果。研究结果表明:该方法提取的高压变频器单元故障的平均冗余度最低至3.2%,平均诊断时间为15.1 ms,可实现高压变频器功率单元频繁故障的高效诊断。     

基于VMD排列熵与FASSA-SVM的滚动轴承故障研究

提出了一种基于萤火虫改进麻雀搜索算法-支持向量机（FASSA-SVM）的轴承故障诊断方法。首先对轴承工况的振动信号变分模态分解（VMD）得到多个模态分量（IMFs）,其次利用排列熵（PE）求解每种工况每个IMF的PE值作为特征参数输入至SVM中,最后利用FASSA方法优化SVM的惩罚因子、核参数并得到最优的轴承故障分类诊断效果。实验结果表明,FASSA-SVM方法的平均测试集诊断准确率高达99.8%,该诊断结果优于传统的萤火虫算法（FA）、优化麻雀搜索算法（SSA）。     

飞机结冰特性及防除冰技术研究

了解结冰对飞行的危害、预测结冰的特性和发展防除冰方法,对于保证飞行安全极为重要。阐述结冰的形成及其严重程度度量方法,分析结冰对飞机气动、操稳及起降特性的影响,总结现有的飞机防冰与除冰技术,并对飞机防冰试验进行综述。考虑到带冰飞行是不可避免的,强调容冰技术对于保障安全飞行的重要性,并给出结冰条件下的操纵建议。研究表明,影响飞机结冰的因素不同导致结冰严重程度上存在差异,结冰对飞机特性影响较大,导致飞行性能下降,而防除冰技术的使用及容冰能力的提高对于确保结冰条件下的飞行安全意义重大。     

南屯矿煤压风机工况检测系统通过技术鉴定

兖州矿业（集团）公司南屯煤矿和山东矿业学院共同研究的“南屯煤矿压风机工况检测系统”,能够实现压风机的信号采样、数据处理、故障报警和停机等功能,各种参数显示正确、可靠,故障报警、停机的准确率为100％,已经由专家通过了技术鉴定。     

基于PCA-VMD-CNN的输电线路覆冰重量预测模型*

为防止覆冰灾害危及电路安全,提出1种输电线路覆冰重量预测模型。首先对多个气象因素进行主成分分析提取气象因素中的有效信息,再对覆冰历史数据进行变分模态分解,获得具有不同特性的本征模态分量;然后基于卷积神经网络,对具有不同时间尺度（周期性、波动性不同）的各个分量进行训练及预测,并将每个分量的预测结果相加。研究结果表明:通过对某覆冰区域的输电线路监测数据进行实验仿真,研究所提出的覆冰重量预测模型有更高精度。     

边坡变形的LMD-ELM多尺度预测模型研究

为准确预测边坡变形,有效预防边坡灾害发生,提出构建基于局域均值分解(LMD)和极限学习机(ELM)的边坡变形多尺度预测模型。用LMD方法,将边坡变形时间序列分解为多尺度且相对平稳的随机项、周期项和趋势项。针对各项时间序列,分别构建基于ELM的预测模型。经累加各分项预测值,获得模型最终预测结果。以甘肃某边坡变形为案例,进行实证分析。结果表明:LMD-ELM模型能够充分挖掘数据内部隐含的变形规律,有效诠释多尺度变形与其诱发因素间复杂的响应关系,预测精度、运行速度和拟合泛化能力较其他模型有所提高。     

基于小波包变换和ELM的滚动轴承故障诊断研究

为了准确诊断滚动轴承故障,降低滚动轴承故障对设备运行的影响,提出了一种基于小波包变换分析与极限学习机相结合的滚动轴承故障诊断方法.首先,通过小波包变换对轴承振动信号进行消噪处理,采用均方根差和平滑度法为指标筛选出合适的小波基函数,用以对原始信号进行消噪处理.然后以信号的8种特征作为指标对消噪后的信号进行特征值提取,并通过时域、频域信息图对轴承故障进行先验诊断.最后将提取的特征值作为样本通过极限学习机的方法对轴承故障类别进行分类、诊断.研究表明,该方法能够准确地对轴承故障类别进行诊断,为轴承的故障诊断提供了新的思路.     

SVD在串联故障电弧检测及选相中的应用*

煤矿井下发生串联故障电弧易引发火灾等安全事故，为了预防电气火灾、指导线路维修，利用三相电动机及变频器负载开展不同线路、不同电流条件下的串联故障电弧实验，研究三相串联故障电弧的检测及选相方法。首先，对单相电流进行一阶差分处理后，建立改进的吸引子轨迹矩阵作为故障特征矩阵；其次，对故障特征矩阵进行奇异值分解，采用特征矩阵的奇异值构建串联故障电弧检测及选相的特征向量；最后，利用极限学习机建立故障电弧检测及选相模型，并测试检测及选相准确率。研究结果表明:提出的SVD方法可以利用单相电流实现三相电动机及变频器负载回路中的串联故障电弧检测及选相。     

基于传递熵与KELM的炼油化工过程风险传播路径分析方法

基于炼油化工过程复杂，设备众多，某一设备的监测变量发生扰动可能会传播至其相邻设备引发出一系列故障链。现有方法多是针对某一设备进行监测与诊断，以期降低事故后果，而忽视了对过程风险传播路径的预测以防止事故的发生。因此，提出一种基于传递熵与核极限学习机的炼油化工过程风险传播路径分析方法，该方法针对某一工艺扰动，分析其在风险发展过程中的扰动传播过程，基于传递熵分析法建立炼油化工过程风险传播推绎模型；并提出一种基于KELM的风险传播搜索方法，预测风险传播路径；将该方法应用于分馏塔冲塔过程。研究结果表明:该方法可辨识出未来一段时间内风险的可能传播路径，以便操作人员及时采取预防措施，保证过程安全及产品质量。     

百叶式风窗流场分布及局部阻力特征研究

为确定百叶式风窗的流场分布特征,叶片角度和有效过风面积与局部阻力系数的关系,采用CFD数值模拟的方法,对叶片开启不同角度下,风窗局部流场特征进行三维仿真研究.研究结果表明:叶片开启45°后导致局部阻力突变和风流重新分配;主流风速在风窗入口逐渐形成,随距底板高度的增加,高风速区域面积不断增加,风速峰值随风流向风窗后方移动...     

Voronoi尾流规避下的风电场布局安全性研究

为了降低尾流对风电场稳定输出和风力机发电性能的危害,在现存风电场风力机布置优化布局方法下,提出结合1种基于几何约束辅助的Voronoi图的全新优化方法,对现行的几种代表性的风电场布局进行二次迭代优化,并利用WAsP软件对优化前后的布局做对照数值仿真计算。研究结果表明:优化后的布局可有效规避尾流效应,提高风电系统的稳定输出性和安全供电,并提高风电能量利用率。本文以Voronoi几何生成特性为研究核心,在总结一般规律下,结合程序化计算思维、人工智能、计算机图形学算法等知识,深入探讨Voronoi风场布局计算模拟仿真的未来应用可行性,得出其提高精度的有效方法,同时为风电场布局理论和其他学科的交叉融合提供创新思路。     

考虑冰风载荷影响的输电线路运行风险评估方法*

为预防在极端冰灾环境下大规模停电事故的发生，提出1种考虑冰风载荷的输电线路运行风险评估方法。在极端冰风环境下，计算输电线路与杆塔所承受的总载荷，利用强度与应力干涉模型确定输电线路与杆塔的故障率，同时结合串联可靠性原理确定线路故障综合概率；利用非贯序蒙特卡洛法与线路故障综合概率设置预想故障集，结合直流潮流优化模型计算每条线路的失负荷量；综合考虑负荷等级与抢修恢复时间，确定线路失负荷的经济价值并定义为故障后果；将故障后果与线路故障综合概率的乘积定义为输电线路风险评估指标。以实际拓扑结构修正的IEEE30节点开展算例分析。结果表明:所提方法可对输电线路运行风险进行有效评估。     

国外石油天然气行业非金属管道检测技术*

为了解国外石油天然气非金属管道缺陷检测技术发展现状,在调研相关文献报告、企业信息、设备手册基础上,介绍国外先进非金属管道检测技术及其原理、优缺点、具体设备、应用范围和未来发展趋势。研究结果表明:先进的超声相控阵和低能辐射电磁波技术对非金属管道检测难点（如:分层和接头处等特殊位置检测）具有较好的检测能力;非金属管道检测技术正在向自动化、集成化和在线监测方向发展;塑料和纤维增强复合材料大量应用于给排水、船舶、航空航天、汽车和风电叶片行业,非金属管道检测可以借鉴该类领域相关技术。研究结果可为保障石油天然气非金属管道安全运行、拓展行业应用范围、降低管道全生命周期成本提供参考。     

基于CNN_LSTM模型的复杂支路故障电弧检测*

在低压交流配电系统中,当多支路并联的复杂系统的某1支路中出现串联电弧故障时,识别难度大幅提升。为了预防此类情况引发的电气火灾,提出1种卷积神经网络(CNN)与长短时记忆网络(LSTM)结合的串联故障电弧检测方法。首先,搭建实验平台用以采集不同负载在不同支路下发生故障时和正常工作时的干路电流数据;然后,构建CNN_LSTM模型并做出相应改进,将电流数据直接输入到模型中,由模型自主提取波形特征并进行分类。研究结果表明:该方法可以快速、准确地识别出电弧故障,准确率达99.04%以上,且能够较为准确地检测出是哪类负载所在的支路发生电弧故障,准确率达97.90%,可为复杂支路下的电弧故障识别研究提供参考。     

考虑脉动风下弓网离线影响的高速铁路接触网可靠性分析*

为分析西北大风区高速铁路接触网可靠性,提出将脉动风引起的弓网离线因素融合到接触网系统可靠性分析中,采用谐波叠加法模拟脉动风风速时程,利用高斯分布统计脉动风分布概率,通过GO-FLOW法构建接触网系统可靠性模型,运用MATLAB对融合弓网离线故障率接触网系统可靠性进行仿真,并与已有研究成果进行对比。结果表明:脉动风对弓网受流产生一定影响,融合弓网离线因素后,接触网系统可靠度明显下降。研究结果可为接触网可靠性研究提供新的思路。     

基于SVM的通风系统故障诊断惩罚系数与核函数系数优化研究

使用支持向量机（SVM）方法对矿井通风系统进行故障诊断,存在惩罚系数（c）和核函数系数（g）,通过人工方法选取效率低、难以达到较高准确率并且出现过拟合的问题。为了提高矿井通风故障诊断的效率、准确率,同时避免过拟合现象,提出了一种改进遗传算法（GA）,在故障诊断过程中对支持向量机的c,g参数进行优化。经过多组试验分析,研究结果表明:用遗传算法优化的SVM矿井通风故障诊断系统相比于未优化系统的故障诊断准确率有所提升,参数未优化前故障诊断的准确率为60%,优化后的准确率为97.894 7%,并且优化参数经过大数据样本验证,未出现过拟合现象,证明了本文提出方法的有效性。     

基于改进YOLOX的变电站工人防护设备检测研究*

为解决电气工人防护设备检测问题,通过改进YOLOX算法,提出检测工作人员防护设备的模型。首先在预测部分改进损失函数,为解决损失函数计算存在的缺陷,对IOU损失的计算方法进行改进,根据防护设备任务特性,通过调整各种类型损失函数的权重,增加对模型误判的惩罚,对模型进行优化;其次在算法主干网络中引入CBAM注意力模块提高神经网络对工人防护设备的感知能力;最后在算法Neck部分,将UpSample结构用于多尺度特征融合,加强网络的细节表达能力,从而提升对小目标困难样本的检测精度。研究结果表明:改进后的YOLOX模型平均精度均值达到87.24%,与已有YOLOX模型相比提升2.46%,具备有效性,适用于变电站工人防护设备检测。研究结果可为电气工人提供更高的防护装备检测精度。     

基于深度置信网络的管网泄漏故障诊断方法研究

针对当前管网系统数据量大不利于传统模型方法诊断故障的问题，设计了1种基于深度置信网络的管网故障诊断算法。首先，对管网数据结构以及管网系统运行状态进行分析，选取管网主要数据作为故障诊断网络的输入，确定相应运行状态作为诊断网络输出；其次，设计了基于多个受限制玻尔兹曼机与Softmax分类器级联的深度置信网络，并且利用对比散度算法和BP算法对模型进行预训练与调优，使模型参数达到全局最优；最后，通过实验测试确定所设计的深度置信网络的训练迭代次数与网络层数，使算法诊断准确率达到最优。研究结果表明:提出的基于深度置信网络的管网故障诊断算法对管网故障诊断可以达到良好的诊断结果，泄漏预测准确率在验证集样本上可达96.87%，在管网泄漏检测方面，相较于传统基于模型的方法优势明显。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型*

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补（MICE_SVM）的鲸鱼优化算法（WOA）-极限学习机（ELM）预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明:MICE_SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE_SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。