检索结果-南通市图书馆

基于Mel-GADF与ConvNeXt-T的变压器铁心松动故障诊断方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年第3期44卷 217-224页

作者：万可力马宏忠崔佳嘉王健河海大学能源与电气学院江苏南京211100

为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经... 详细信息

为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经过格拉姆角场(GAF)变换得到格拉姆角和场(GASF)与GADF这2种时频谱图;生成Mel-GASF与Mel-GADF这2种特征融合的时频谱图来弥补Mel时频谱图的低频缺失问题;将3种时频谱图放入ConvNeXt-T网络进行训练对比,选出效果最佳的诊断模型。以型号为S13-M-200/10的变压器为对象进行空载试验,对不同铁心松动程度下的声纹信号进行分析,分析结果表明,将Mel-GADF作为特征时频谱图结合ConvNeXt-T网络,可将测试集准确率从传统Mel时频谱图的98.273%提升至99.500%,提升了1.227个百分点。

关键词：变压器铁心松动 Mel时频谱图格拉姆角场卷积神经网络迁移学习

基于改进MFCC和3D-CNN的变压器铁心松动故障声纹识别模型

在线全文

学校读者我要写书评

暂无评论

电机与控制学报 2022年第12期26卷 150-160页

作者：崔佳嘉马宏忠河海大学能源与电气学院江苏南京211100

为了准确提取变压器铁心松动故障时的声纹特征,提出一种基于改进的梅尔频率倒谱系数(MFCC)和三维卷积神经网络(3D-CNN)的变压器声纹识别模型。首先对变压器噪声信号进行分帧加窗处理,提取梅尔频率倒谱系数(MFCC);然后运用局部线性嵌入算... 详细信息

为了准确提取变压器铁心松动故障时的声纹特征,提出一种基于改进的梅尔频率倒谱系数(MFCC)和三维卷积神经网络(3D-CNN)的变压器声纹识别模型。首先对变压器噪声信号进行分帧加窗处理,提取梅尔频率倒谱系数(MFCC);然后运用局部线性嵌入算法(LLE)对现有的MFCC特征向量降维改进;最后使用三维卷积神经网络对变压器铁心松动故障进行识别。以某10 kV变压器为对象进行空载试验,采集铁心在不同松动程度下的声纹信号。计算结果表明,使用改进后的MFCC特征向量提取算法及3D-CNN模型具有良好的识别效果,准确率可达到98.33%,且平均迭代的时间可降至8.511 26 s。最终研究结果可为变压器的噪声治理提供依据。

关键词：变压器声纹铁心松动梅尔倒谱系数局部线性嵌入算法降维三维卷积神经网络

维普期刊数据库博看期刊

基于声学成像及图像处理的变压器铁心松动检测研究

在线全文

学校读者我要写书评

暂无评论

高压电器 2021年第11期57卷 180-186页

作者：司文荣傅晨钊徐鹏贺林田昊洋徐湘亿王劭菁崔律国网上海市电力公司电力科学研究院上海200437

变压器铁心振动的主要来源为硅钢片的磁致伸缩以及片间、接缝处的电磁力。铁心压紧力不足引起松动故障时,其振动发生变化,进而引起辐射噪声变化。文中搭建了基于声学传感阵列的铁心振动声成像实验平台,采用扭矩扳手调节紧固螺栓的拧紧力... 详细信息

变压器铁心振动的主要来源为硅钢片的磁致伸缩以及片间、接缝处的电磁力。铁心压紧力不足引起松动故障时,其振动发生变化,进而引起辐射噪声变化。文中搭建了基于声学传感阵列的铁心振动声成像实验平台,采用扭矩扳手调节紧固螺栓的拧紧力矩,研究铁心表面辐射噪声随松动程度的变化规律。基于112通道声学传感阵列数据,利用“延迟求和”波束形成算法获得声学图像并进行图像处理,生成灰度共生矩阵并提取特征值,得到了图像特征值与铁心不同程度松动对应变化规律。结果表明,随着压紧力的减小,图像纹理变化程度先缓慢增大,当拧紧力矩小于10N·m时发生突变;图像纹理一致度先减后增,灰度共生矩阵相关性标准差呈凹函数形式变化。研究结果为基于声成像的铁心机械故障检测技术的进一步发展提供了参考。

关键词：铁心松动振动噪声声成像波束形成图像处理

在线全文

学校读者我要写书评

暂无评论

基于振动的电力变压器铁心松动故障诊断研究

高压电器 2015年第12期51卷 59-65页

作者：王春宁耿志慧马宏忠金基平李凯江苏省电力公司南京供电公司南京210019 河海大学能源与电气学院南京211100 西安博能电力技术有限公司西安710065

电力变压器发生铁心松动故障后,虽然振动信号中基频分量(100 Hz)会发生变化,但影响振动基频信号的因素众多,很难据此准确诊断铁心松动故障。研究发现,变压器铁心松动后,50 Hz分量及其部分倍频分量、基频的倍频分量等新特征频率能够反映... 详细信息

电力变压器发生铁心松动故障后,虽然振动信号中基频分量(100 Hz)会发生变化,但影响振动基频信号的因素众多,很难据此准确诊断铁心松动故障。研究发现,变压器铁心松动后,50 Hz分量及其部分倍频分量、基频的倍频分量等新特征频率能够反映故障。根据特征频率之间的关系提出基于振动的变压器铁心故障诊断方法,不仅能够诊断出变压器铁心内部有无故障,还能判断其故障类型。为了验证提出的模型和方法,文中对实际变压器设置铁心松动故障,采集其监测点处的振动信号,经过消噪、折算处理,采用提出的诊断方法对实际变压器进行故障诊断,其诊断结果与实际故障一致,验证了提出的诊断方法准确、可行。根据所提出的诊断方法研制出基于振动的电力变压器故障诊断系统,并应用于实际变电站。

关键词：振动法电力变压器铁心松动故障诊断诊断装置

基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷分析方法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第25期24卷 10798-10807页

作者：杨洪苏马宏忠薛健侗河海大学能源与电气学院南京211100

为了更加有效地对变压器铁心状态进行分析,提出一种基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷特征分析方法。首先,运用C-C法求解重构相空间的嵌入维数与延迟时间,重构变压器振动信号的相空间。其次,计算变压器振动信号的... 详细信息

为了更加有效地对变压器铁心状态进行分析,提出一种基于混沌理论与麻雀优化K-means算法的变压器铁心松动缺陷特征分析方法。首先,运用C-C法求解重构相空间的嵌入维数与延迟时间,重构变压器振动信号的相空间。其次,计算变压器振动信号的最大Lyapunov指数来判断系统是否具有混沌特性,选取关联维数、Kolmogorov熵作为一组混沌特征以识别铁心的松动程度。再次,将麻雀搜索算法引入K-means聚类算法优化初始中心簇的选取并使用簇中心与簇类点的位移平均值作为描述变压器铁心松动状态的定量特征。最后,将两组特征结合起来形成变压器铁心松动故障的诊断指标,为变压器铁心的松动故障诊断提供理论依据,并投入分类器进行故障诊断,验证两组特征结合的优越性。

关键词：变压器铁心松动故障诊断混沌理论麻雀优化K-means算法。

原苏制TBB－200－2A型发电机静子铁心松动的处理

在线全文

学校读者我要写书评

暂无评论

华北电力技术 1996年第10期 52-54页

作者：张国荣山西省神头第一发电厂

为防止发电机静子铁心松动而导致静子线圈以及静子铁心损坏事故的发生，文章介绍了采用硅钢片间填塞绝缘物和风道加入斜楔等技术措施对苏制ＴＢＢ－２００－２Ａ型发电机静子铁心端部松动的处理工艺，并在实践中取得了满意的效果。

关键词：发电机静子铁心松动维修

经验小波变换在变压器铁心松动故障诊断中的研究

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2018年第1期 236-238页

作者：王忠强钱诗林寇晓适娄建勇国网河南省电力公司河南郑州450018 国网河南省电力公司电力科学研究院河南郑州450052 西安交通大学电气工程学院陕西西安710049

针对变压器铁心松动故障诊断中现有的信号处理方法存在模态混叠或受参数影响等问题,引入了经验小波变换方法,并提出了直接阈值边界划分方法对经验小波变换进行改进。对不同边界划分方法进行了对比研究,验证了直接阈值法可将信号的各个... 详细信息

针对变压器铁心松动故障诊断中现有的信号处理方法存在模态混叠或受参数影响等问题,引入了经验小波变换方法,并提出了直接阈值边界划分方法对经验小波变换进行改进。对不同边界划分方法进行了对比研究,验证了直接阈值法可将信号的各个主要成分都能准确划分到各自分量之中的优点。以铁心松动故障为实例,通过计算改进型经验小波变换之后的能量熵来判别铁心的松动状态,发现随着铁心压紧力的减小,EWT能量熵明显增加,并且压紧力矩在20N·m左右时发生突变。用改进型经验小波变换的故障诊断方法可有效准确地判断铁心松动故障,对实际运行中变压器的故障监测有重要意义。

关键词：铁心松动直接阈值边界划分经验小波变换能量熵

大型汽轮发电机定子铁心松动及制造工艺改进措施研究

在线全文

学校读者我要写书评

暂无评论

大型汽轮发电机定子铁心松动及制造工艺改进措施研究

作者：汪伟哈尔滨理工大学

学位级别：硕士

随着我国经济持续快速发展,对电力需求日益增长,电力行业也飞速的发展,其中火力发电占我国整体能源的67%,作为电力行业主要设备之一的汽轮发电机在电力生产中占据不可替代的重要地位,尤其是在国家的“上大压小、节能、减排、降耗”等宏... 详细信息

随着我国经济持续快速发展,对电力需求日益增长,电力行业也飞速的发展,其中火力发电占我国整体能源的67%,作为电力行业主要设备之一的汽轮发电机在电力生产中占据不可替代的重要地位,尤其是在国家的“上大压小、节能、减排、降耗”等宏观政策引导下,发电机性能指标越来越高,单机容量越来越大,对发电机的可靠性要求也越来越高。一旦发电机运行中出现故障,尤其是定子铁心松动导致的问题,往往需要拆除定子线棒处理,电站需要长期停机修理,个别严重的需要返厂处理,造成重大经济损失,同时给各公司产品市场形象产生严重的负面影响,危及各公司市场竞争力和生存发展。另外,受现场工位、工具、工装等施工条件实际情况直接影响,相关处理工艺措施难以开展,因此松动问题出现很难从本质上来得到根治,问题始终存在,危及产品长期安全稳定运行。因此,大型汽轮发电机定子铁心松动及制造工艺改进措施研究具有十分重要的意义。本文以大型汽轮发电机定子铁心松动及制造工艺改进措施为研究对象,通过对国内外不同生产制造产品在现场运行过程中出现的大型汽轮发电机定子铁心典型故障案例的分析研究,归纳总结问题产生机理,从关键部件的设计参数选取、受力计算分析、原材料特性、制造工艺过程出现的现象及问题,探究铁心松动的本质原因及优化改进制造工艺措施,结合大型汽轮发电机定子铁心实际生产过程中各关键工序和不同阶段对预防措施进行充分验证,对验证数据统计对比分析,判断铁心松动原因判断的合理性及预防措施的有效性,探索制定优化现有定子铁心制造工艺方式方法,探索完善定子铁心叠装关键工序制造质量过程控制量化标准,用以指导产品制造过程质量控制,降低制造过程中的不确定性,提高产品制造稳定性和可靠性,避免大型汽轮发电机定子铁心运行过程出现重大质量事故发生,减少巨大经济损失,降低由此带来的各种严重负面影响。

关键词：定子铁心铁心不平度铁心补偿铁心松动加热温度

换流阀饱和电抗器铁心松动的振动及声纹识别研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

换流阀饱和电抗器铁心松动的振动及声纹识别研究

作者：来庭煜华北电力大学

学位级别：硕士

饱和电抗器作为特高压直流换流阀的核心装备,其状态直接影响换流阀的安全运行。饱和电抗器机械冲击及振动问题突出,若设备中的微小缺陷处理不及时,易产生放电、机械结构失稳、发热及冷却系统损坏等故障,而饱和电抗器在运行中产生的振动... 详细信息

饱和电抗器作为特高压直流换流阀的核心装备,其状态直接影响换流阀的安全运行。饱和电抗器机械冲击及振动问题突出,若设备中的微小缺陷处理不及时,易产生放电、机械结构失稳、发热及冷却系统损坏等故障,而饱和电抗器在运行中产生的振动及声音信号可以反映其内部的异常机械状态,能在故障发生早期做出预警和诊断,对饱和电抗器状态监测具有重要意义。本文分析了饱和电抗器振动及声纹的产生原理,主要由铁心的磁致伸缩效应所引起,确定了其振动频谱中包含基波和谐波的倍频、和频及差频分量。并在实验室中搭建了饱和电抗器振动试验平台,开展了高频脉冲电压和梯形波电流激励下的饱和电抗器振动试验,模拟了最常见的铁心松动故障,并完成了电信号、振动及声纹信号的采集。在振动识别方面,饱和电抗器振动频率范围为0～25k Hz,铁心松动后频谱的能量分布会发生变化。提出了一种基于VMD-SDP融合图像和SIFT特征匹配的饱和电抗器铁心松动识别方法,采用VMD将宽频振动信号分解为多个窄频分量,用于反映各频段的特征;对分解得到的信号进行SDP变换,将生成的多组旋臂融合成新的图像,并从中选出不同松动程度下的典型模板;提取测试集与典型模板的SIFT特征,利用基于相似三角形的双重匹配准则剔除掉错误匹配点并获得最佳匹配结果,实现铁心松动的识别。研究结果表明平均识别准确率达到97.5%,具有较高的识别精度,为饱和电抗器监测提供了依据。在声纹识别方面,对采集的声纹信号进行时频分析,在声信号频谱主值区间内,根据能量聚集性优化高斯窗参数来提高时频分辨率;当铁心松动后,50～1200Hz低频分量占比降低,1250～18000Hz高频分量占比升高,研究表明高低频比和低频分量主频占比两个特征指标仅能对松动程度较高的状态做出预警;提出了基于神经网络的铁心松动程度声纹识别模型,构建五个不同方位测点的铁心松动数据的声纹时频谱图,代入基于自适应参数修正线性单元的改进深度残差收缩网络中进行训练,来消除声纹图中的冗余信息,并对不同松动程度下的特征进行独立映射,从而增强共同特征的学习能力,识别准确率达到了95.93%,相比于振动传感器扩大了测量范围,验证了利用非接触性声纹测量方法对饱和电抗器进行状态识别的可行性。

关键词：饱和电抗器铁心松动特征提取振动识别声纹识别