一、故障诊断系统的H_2优化设计（论文文献综述）
张贺宁,李欣,魏静[1]（2022）在《基于混合深度学习的高铁道岔故障诊断研究》文中研究说明针对现行高铁道岔故障诊断过度依赖人工经验,导致故障诊断效率低的问题,提出一种混合深度降噪自编码器与支持向量机的高铁道岔故障诊断方案。通过采用深度降噪自编码器自动提取高铁道岔动作电流曲线特征,并将其输入支持向量机模型进行故障,实现了高铁道岔的故障诊断。最后,通过采用提出方法对实际高铁道岔数据进行故障诊断仿真,验证了提出方法的有效性。结果表明,本研究提出的基于混合深度学习的高铁道岔故障诊断方法可有效检测出高铁道岔故障,具有较高的准确性,可用于实际高铁道岔故障诊断。
吴琼,崔昊杨,周坤,许永鹏[2]（2022）在《多源检测数据融合的变压器故障诊断模型》文中进行了进一步梳理针对变压器的红外热像、油气数据等多源状态检测数据不平衡（即数据缺失、数据不对称、数据较少）导致支持向量机学习模型欠拟合、准确率低下,以及传统三比值法阈值绝对导致了其在故障现象叠加时不能全面诊断出故障真实状况的不足,提出了多源检测数据融合的变压器故障诊断模型。该模型首先采取了高斯核和Sigmoid核组合,以及多分类器的方式对SVM进行改进,即利用改进组合核多分类器SVM对变压器油气数据进行诊断,达到解决故障现象叠加的问题,进而得出油气诊断结果;然后利用改进故障树模型对红外检测图像进行分析,即通过分析变压器的关键部件的温度值进行诊断,得出温度诊断结果;最后,通过贝叶斯决策融合诊断模型对油气诊断结果和温度诊断结果进行决策级融合,得出最终的故障诊断结果。实验结果表明,所设计方法诊断准确率比SVM、三比值法以及SVM最新改进方法 PSO-SVM分别提高了9.2%,6.3%,6.5%。
赵志新,赵宗罗,赵颖,王子凌,俞建飞,李忠民[3]（2021）在《基于并行化BP神经网络的配电变压器故障快速诊断方法》文中进行了进一步梳理为进一步提升电网设备运行可靠性,提出一种基于MapReduce并行化的BP神经网络算法——MR-BPNN算法,以实现配电变压器故障快速诊断。该方法基于Hadoop平台下的MapReduce并行化模块:首先采用Map过程,运用不同训练样本块对各计算节点BP神经网络进行训练;然后采用Reduce过程,利用Map过程输出对BP神经网络权值进行汇总更新。相较于传统BP神经网络算法,MR-BPNN算法的网络训练收敛速度明显加快。最后,基于所采集的某电力公司配电变压器油中溶解气体数据,对比采用所提方法与传统特征气体法、三比值法进行设备故障诊断的性能,验证了所提方法可实现配电变压器状态的快速识别与诊断。
马天增,付铭凯,任婷,李鑫[4]（2021）在《基于金属氧化物的两步法太阳能热化学循环制备燃料研究现状与展望》文中进行了进一步梳理基于金属氧化物的两步法太阳能热化学循环可以生产清洁的燃料,具有理论效率高、二氧化碳零排放等优点,有望成为实现碳中和的有效途径,但存在太阳能到化学能能源转化效率不高的问题。从材料基对、反应器设计、多能互补系统优化等方面入手,着重分析了影响太阳能到化学能能源转化效率的因素。总结了材料基对研究的发展历程,指出了密度泛函方法和机器学习方法在材料基对筛选方面的重要作用。结合材料特性,分析了泡沫陶瓷/蜂窝结构反应器、粒子反应器和膜反应器的适用范围及优缺点,指出更优的孔隙率和合适的粒子半径可以加快材料基对的升温速率,并且可以有效减少热损失;同时,大规模可连续式设计可以实现对太阳能的高效利用。系统优化方面,综合分析了数字孪生等新技术在多能互补系统发挥的作用。最后,对高温太阳能热化学循环制备燃料技术未来的发展提出了建议。
肖云波,范菁,张宜,乔钰彬[5]（2021）在《基于改进粒子群算法与油中溶解气体的变压器故障诊断的研究》文中研究指明利用电力变压器故障时产生的气体（DGA）来对变压器进行故障诊断已经成为国内外重要的诊断方法。本文选择采用卷积神经网络（CNN）作为变压器故障的诊断模型,对电力变压器进行故障诊断。但CNN的诊断性能很大程度取决于它的结构,存在着模型超参数难以人工选择的问题。针对该问题,为了提高模型的诊断准确率,设计了利用改进粒子群算法（IPSO）来对CNN的超参数进行自动寻优。通过对PSO算法中的惯性权重w以及学习因子c1、c2进行改进,提高粒子的寻优能力,从而构建出性能更好的诊断模型,达到提高诊断准确率的目的。实验结果表明,IPSO算法具有比PSO更好的全局寻优能力和局部寻优能力,且基于IPSO算法搭建的CNN比人工经验搭建的CNN具有更高的诊断准确率,准确率提高了5.84%。
李良书,万康鸿,王琼苑,杨爱军,袁欢,王小华,荣命哲[6]（2021）在《二硫化钼传感器对于绝缘介质特征分解气体的敏感特性研究》文中提出在放电、过热故障影响下,电气绝缘介质（SF6、绝缘油）会分解出一系列特征气体。通过气体组分分析,可以评估电力设备的运行状态。文中基于水热法合成了层状二硫化钼（MoS2）并组装气体传感器,分析了对于硫化氢（H2S）、二氧化硫（SO2）、一氧化碳（CO）、甲烷（CH4）、乙炔（C2H2）和氢气（H2）6种绝缘介质特征分解气体的敏感特性。相比较于3种商用传感器严重的交叉敏感现象,MoS2传感器对H2S表现出特异选择性。对于绝缘油分解气体（CO、C2H2、H2、CH4）,MoS2传感器仅对CO具备敏感特性。MoS2传感器检测H2S和CO重复性表现优异,在5次循环测试中,响应值波动范围分别不超过6.43%和5.95%。体积分数实验结果也表明,在H2S和CO体积分数小于50μL/L时,MoS2传感器的线性度（9.26%、0.62%）表现良好。此外,传感器对H2S和CO混合气体表现出协同吸附作用,且随着混合气体中H2S体积分数增加（10、30、50μL/L）,响应值波动受CO体积分数影响越小（6.74%、4.94%、3.47%）。因此,MoS2传感器在绝缘介质特征分解气体检测领域具有广阔的应用前景。
郭林,唐晶,唐黎哲,詹彦豪,李飞[7]（2021）在《一种基于改进BP神经网络的变压器故障诊断方法》文中认为变压器内部故障与油中溶解不同组分、不同含量的气体之间的关系是目前进行变压器故障诊断的主要研究内容。文章提出一种基于BP神经网络的变压器故障诊断方法,其在传统反向传播神经网络（BPNN）基础上,引入ResNet残差网络模块思想,并在第Ⅳ和第Ⅴ残差模块中嵌入支持向量机（SVM）分类器,从权重角度筛选对诊断结果准确率更具影响的特征向量;构造多个子数据集并对在分布式平台进行并行化训练后获得的不同性能的子分类器进行投票决策。结果表明,相比于基于传统BPNN的诊断方法,本文提出的方法对变压器故障诊断的平均准确率提升了8.56%,验证了该方法能提高变压器故障类型诊断的性能。
赵玲玲,王群京,陈权,汪伟[8]（2021）在《基于IBBOA优化BP神经网络的变压器故障诊断》文中研究说明为提高变压器故障诊断准确率,提出基于IBBOA优化BP神经网络的变压器故障诊断模型。在IBBOA-BP模型中,引入自适应权重,协调BBOA的全局和局部搜索能力;增加变异算子,提高蝴蝶种群的多样性,避免蝴蝶个体陷入局部最优。通过IBBOA优化BP神经网络的权值和阈值,避免BP神经网络出现易早熟问题,提高变压器故障诊断模型的准确性。且利用测试函数,通过与PSO、BOA对比,证明IBBOA算法具有更好的全局寻优能力、精确度和收敛速度。仿真计算表明,IBBOA-BP模型的变压器故障诊断正确率比PSO-BP和BOA-BP诊断模型正确率分别提高10.447 7%和5.970 1%。
胡蓉,易照云,钱斌[9]（2021）在《基于置信规则库的油浸式变压器故障诊断》文中研究表明针对油浸式变压器的故障诊断问题,提出了基于置信规则库（belief rule base, BRB）的有效诊断模型,通过模型结构简化和模型参数优化来提高BRB建模的效率和精度.首先,合理约减故障气体类型和减少训练模型参数以实现对BRB模型结构的简化.其次,提出一种具有自适应更新策略的人群搜索算法（seeker optimization algorithm with adaptive update strategy, AUS-SOA）,对简化BRB模型的参数进行优化.然后,根据简化模型和优化参数建立AUS-SOA-BRB诊断模型.实验结果表明,AUS-SOA-BRB模型具有较高的诊断精度,也验证了所提建模方法的有效性.
仝兆景,乔征瑞,李金香,兰孟月,荆利菲[10]（2021）在《基于MPC算法优化的贝叶斯网络变压器故障诊断》文中进行了进一步梳理为提高变压器故障诊断的准确率及可靠性,提出了基于MPC算法优化贝叶斯网络的变压器故障诊断方法,对变压器故障诊断技术进行了研究。首先,根据油中溶解气体分析,采用无编码比值法提取油浸式变压器的9维故障特征,并对数据样本进行归一化处理;其次,以归一化的训练样本作为输入建立基于贝叶斯网络的故障诊断模型,采用MPC算法对贝叶斯网络模型进行优化;最后,利用测试样本对故障诊断模型进行测试。为了证明所提出方法的优越性,将本文研究方法与现有故障诊断方法进行了对比。结果表明,所提出方法的诊断正确率更高,诊断效果更好。
二、故障诊断系统的H_2优化设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、故障诊断系统的H_2优化设计（论文提纲范文）
（1）基于混合深度学习的高铁道岔故障诊断研究（论文提纲范文）
| 0 引言 |
| 1 基本算法 |
| 1.1 深度降噪自编码器 |
| 1.2 支持向量机 |
| 2 基于混合深度学习的高铁道岔故障诊断模型 |
| 2.1 基于深度降噪自编码器的特征自动提取 |
| 2.2 基于支持向量机的高铁道岔故障检测 |
| 3 仿真实验 |
| 3.1 实验平台 |
| 3.2 数据集来源及预处理 |
| 3.3 结果与分析 |
| 3.3.1 特征提取方法验证 |
| 3.3.2 故障检测算法验证 |
| 4 结论 |
（2）多源检测数据融合的变压器故障诊断模型（论文提纲范文）
| 0 引言 |
| 1 变压器故障诊断常用模型性能分析 |
| 2 多源检测数据融合的变压器故障诊断模型 |
| 2.1 基于改进高斯核SVM的变压器故障诊断 |
| 2.2 基于改进故障树的变压器故障诊断 |
| 2.3 基于贝叶斯的变压器故障融合诊断 |
| 3 实验验证 |
| 3.1 改进SVM的变压器故障诊断 |
| 3.2 改进故障树的变压器故障诊断 |
| 3.3 基于贝叶斯的变压器故障机理融合 |
| 4 结论 |
（3）基于并行化BP神经网络的配电变压器故障快速诊断方法（论文提纲范文）
| 0 引言 |
| 1 BP神经网络算法 |
| 2 Hadoop集群计算平台 |
| 3 BP神经网络的Map Reduce并行化实现 |
| 4 基于MR-BPNN的配电变压器故障诊断实例分析 |
| 4.1 数据预处理 |
| 4.2 确定隐含层节点数 |
| 4.3 算法测试及结果分析 |
| 5 结语 |
（4）基于金属氧化物的两步法太阳能热化学循环制备燃料研究现状与展望（论文提纲范文）
| 0 引言 |
| 1 基于金属氧化物的高温太阳能热化学循环材料基对 |
| 2 高温太阳能热化学反应器 |
| 2.1 泡沫陶瓷/蜂窝结构反应器 |
| 2.2 粒子反应器 |
| 2.3 膜反应器 |
| 3 基于太阳能热化学制备燃料的多能互补系统 |
| 3.1 能源系统集成 |
| 3.2 多能互补系统的运行与控制 |
| 3.2.1 评价指标 |
| 3.2.2 不确定性分析 |
| 3.2.3 求解策略 |
| 3.2.4 全生命周期数字孪生技术 |
| 4 结束语 |
（5）基于改进粒子群算法与油中溶解气体的变压器故障诊断的研究（论文提纲范文）
| 0 引 言 |
| 1 卷积神经网络(CNN) |
| 1.1 卷积层 |
| 1.2 池化层 |
| 2 粒子群算法的改进 |
| 2.1 标准粒子群算法(PSO) |
| 2.2 改进粒子群算法(IPSO) |
| 1) 惯性权重的改进 |
| 2) 学习因子的改进 |
| 3 变压器故障诊断方法 |
| 3.1 输入输出的选择 |
| 3.2 数据预处理 |
| 3.3 基于改进粒子群算法的CNN搭建 |
| 4 实验验证及分析 |
| 5 结 论 |
（6）二硫化钼传感器对于绝缘介质特征分解气体的敏感特性研究（论文提纲范文）
| 0 引言 |
| 1 实验部分 |
| 1.1 层状Mo S2的合成与传感器制备 |
| 1.2 气敏测试系统 |
| 2 实验结果与讨论 |
| 2.1 层状Mo S2的表征 |
| 2.2 Mo S2传感器的气敏特性 |
| 2.2.1 选择性 |
| 2.2.2 重复性 |
| 2.2.3 体积分数特性 |
| 3 结论 |
（7）一种基于改进BP神经网络的变压器故障诊断方法（论文提纲范文）
| 0 引言 |
| 1 改进BP神经网络的模型构建 |
| 1.1 SVM分类器 |
| 1.2 残差网络模块 |
| 1.3 改进BP神经网络的模型结构 |
| 2 基于改进B P神经网络的变压器故障诊断 |
| 2.1 故障特征选取 |
| 2.2 数据归一化处理 |
| 2.3 故障类型编码 |
| 2.4 筛选训练样本 |
| 2.5 数据抽样分块 |
| 2.6 分布式训练 |
| 2.7 模型诊断 |
| 3 实验分析 |
| 3.1 实验数据及过程 |
| 3.2 变压器故障诊断结果 |
| 4 结语 |
（8）基于IBBOA优化BP神经网络的变压器故障诊断（论文提纲范文）
| 1 引言 |
| 2 改进蝴蝶优化算法 |
| 2.1 标准蝴蝶优化算法 |
| 2.2 双向蝴蝶优化算法 |
| 2.3 改进策略 |
| 3 IBBOA-BP算法的变压器故障诊断模型 |
| 3.1 特征量的选取与数据处理 |
| 3.2 故障类型划分 |
| 3.3 故障诊断实现流程 |
| 4 仿真验证 |
| 4.1 性能测试 |
| 4.2 故障诊断 |
| 4.2.1 对比 |
| 4.2.2 分析 |
| 5 结论 |
（9）基于置信规则库的油浸式变压器故障诊断（论文提纲范文）
| 1 基于BRB的诊断模型和诊断过程 |
| 1.1 基于BRB的诊断模型结构 |
| 1.2 基于BRB的变压器诊断模型的ER方法 |
| 1) 不同输入信息的转化方法. |
| 2) 置信规则库激活权重的计算. |
| 3) ER解析算法的推理计算. |
| 1.3 诊断过程 |
| 2 故障诊断训练模型和算法 |
| 2.1 基于BRB的变压器故障诊断训练模型 |
| 2.2 故障气体类型的约减和训练模型的简化 |
| 2.3 AUS-SOA |
| 2.3.1 SOA |
| 1) 第一阶段：搜索方向的确定. |
| 2) 第二阶段：搜索步长的确定. |
| 3)第三阶段：搜寻个体的位置更新. |
| 2.3.2 AUS |
| 1) 第一种更新方法. |
| 2) 第二种更新方法. |
| 2.4 约束处理方法 |
| 2.5 AUS-SOA-BRB的构建 |
| 3 变压器故障诊断实例分析及比较 |
| 3.1 实例描述 |
| 3.2 故障气体类型的约减和训练模型的简化 |
| 3.3 基于BRB的故障诊断模型训练结果 |
| 3.4 测试集的故障诊断结果分析 |
| 4 结论 |
（10）基于MPC算法优化的贝叶斯网络变压器故障诊断（论文提纲范文）
| 0 引 言 |
| 1 基本原理简介 |
| 1.1 贝叶斯网络 |
| 1.2 MPC算法 |
| 2 基于MPC算法优化贝叶斯网络变压器故障诊断模型 |
| 2.1 变压器故障因素分析 |
| 2.2 特征提取与数据预处理 |
| 2.3 变压器故障类型编码 |
| 2.4 故障识别方法及流程设计 |
| 3 实验验证 |
| 3.1 实验数据 |
| 3.2 实验结果及分析 |
| 3.3 多种模型诊断结果对比 |
| 4 结 论 |
四、故障诊断系统的H_2优化设计（论文参考文献）
- [1]基于混合深度学习的高铁道岔故障诊断研究[J]. 张贺宁,李欣,魏静. 自动化与仪器仪表, 2022(01)
- [2]多源检测数据融合的变压器故障诊断模型[J]. 吴琼,崔昊杨,周坤,许永鹏. 现代电子技术, 2022
- [3]基于并行化BP神经网络的配电变压器故障快速诊断方法[J]. 赵志新,赵宗罗,赵颖,王子凌,俞建飞,李忠民. 浙江电力, 2021(12)
- [4]基于金属氧化物的两步法太阳能热化学循环制备燃料研究现状与展望[J]. 马天增,付铭凯,任婷,李鑫. 华电技术, 2021(11)
- [5]基于改进粒子群算法与油中溶解气体的变压器故障诊断的研究[J]. 肖云波,范菁,张宜,乔钰彬. 电子测量技术, 2021
- [6]二硫化钼传感器对于绝缘介质特征分解气体的敏感特性研究[J]. 李良书,万康鸿,王琼苑,杨爱军,袁欢,王小华,荣命哲. 高压电器, 2021(10)
- [7]一种基于改进BP神经网络的变压器故障诊断方法[J]. 郭林,唐晶,唐黎哲,詹彦豪,李飞. 控制与信息技术, 2021(05)
- [8]基于IBBOA优化BP神经网络的变压器故障诊断[J]. 赵玲玲,王群京,陈权,汪伟. 电工电能新技术, 2021(09)
- [9]基于置信规则库的油浸式变压器故障诊断[J]. 胡蓉,易照云,钱斌. 北京工业大学学报, 2021(09)
- [10]基于MPC算法优化的贝叶斯网络变压器故障诊断[J]. 仝兆景,乔征瑞,李金香,兰孟月,荆利菲. 电子测量技术, 2021(17)