检索结果-南通市图书馆

维普期刊数据库博看期刊

基于相关变分模态分解和CNN-LSTM的变压器油中溶解气体体积分数预测

在线全文

学校读者我要写书评

暂无评论

高电压技术 2024年第1期50卷 263-273,I0020页

作者：范志远杜江河北省电磁场与电器可靠性重点实验室(河北工业大学) 天津300130 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300130

为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variationa... 详细信息

为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variational mode decomposition,CVMD)、1维卷积神经网络(one dimensional convolutional neural network,1D-CNN)和LSTM的组合预测模型。首先,利用CVMD去除原始气体序列中的噪声信号,并将去噪序列分解为1组相对平稳的子序列分量;然后,针对各子序列分量分别构建CNN-LSTM预测模型,利用1D-CNN挖掘数据间的深层特征形成特征向量,并将其输入到LSTM中进行预测;最后,对各子序列预测结果叠加重构,得到最终的气体预测值。并通过4组对比实验对所提模型进行了全方位、多角度的验证。算例研究结果表明,所提模型单步和多步预测的平均绝对百分比误差分别为1.53%和2.09%。相较于现有模型,该文所提模型在单步和多步预测性能上均有明显提升,为变压器在线监测和故障预警提供了重要技术支撑。

关键词：油中溶解气体相关变分模态分解 1维卷积神经网络长短期记忆神经网络气体体积分数预测

考虑PWM波形特征的纳米晶磁心损耗模型的研究及验证

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第6期39卷 1602-1612页

作者：赵志刚贾慧杰刘朝阳赵安琪高鹏旭省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300401 河北省电磁场与电器可靠性重点实验室(河北工业大学) 天津300401

磁心损耗精确预测对于电力电子变压器的优化设计至关重要。然而,传统的磁心损耗模型在复杂激励下适用性较差,尤其对于占空比可调、高次谐波含量丰富的PWM波磁心损耗预测,计算精度显著下降。基于Jordan损耗分离模型,建立了一种考虑PWM波... 详细信息

磁心损耗精确预测对于电力电子变压器的优化设计至关重要。然而,传统的磁心损耗模型在复杂激励下适用性较差,尤其对于占空比可调、高次谐波含量丰富的PWM波磁心损耗预测,计算精度显著下降。基于Jordan损耗分离模型,建立了一种考虑PWM波形特征的磁心损耗计算方法。首先,该方法根据激励波形特征,推导出相应的波形系数及等效频率来计算PWM波激励下的动态涡流损耗,将Jordan模型的适用范围从正弦拓展到PWM波激励下的磁心损耗计算;然后,分析了不同占空比激励下激励波形有效频率及高次谐波含量变化对损耗系数的影响,并对其进行数学表征,实现了整个占空比范围内磁心损耗的精确预测;最后,搭建了高频非正弦激励下软磁材料磁特性测量平台,针对1K107B纳米晶材料,测量了两种典型PWM波激励下的损耗数据。实验结果表明,所建立的磁心损耗模型具有较高的计算精度,相比于传统的Steinmetz改进公式,整体精度提高了25%。

关键词：纳米晶磁心损耗 PWM波形特征 Jordan模型

基于多岛遗传算法与响应面法的横向磁通感应加热装置参数优化设计

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第10期39卷 3180-3191页

作者：刘志赢汪友华刘成成彭江湃宋华宾省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300130 河北省电磁场与电器可靠性重点实验室(河北工业大学) 天津300130

对金属带材进行横向磁通感应加热(TFIH)时,通常会存在加热温度分布不均匀以及加热温度偏离目标值两个问题。该文研究了加热器结构参数与电源参数对45号钢带材回火热处理温度的影响,并对两种参数分别进行优化,使带材在加热器出口处的平... 详细信息

对金属带材进行横向磁通感应加热(TFIH)时,通常会存在加热温度分布不均匀以及加热温度偏离目标值两个问题。该文研究了加热器结构参数与电源参数对45号钢带材回火热处理温度的影响,并对两种参数分别进行优化,使带材在加热器出口处的平均温度达到目标值600℃,同时获得均匀的温度分布。采用Morris法对加热器结构参数进行全局灵敏度分析,选取显著影响相对不均匀度的参数并建立径向基函数(RBF)神经网络预测模型。使用多岛遗传算法(MIGA)对筛选的结构参数进行优化,初步获得均匀的温度分布。最后以降低温度分布的相对不均匀度和达到理想平均温度为目标,在优化后的加热器结构基础上使用响应面法(RSM)优化电源参数,实现多目标优化设计。仿真验证结果表明,45号钢带材在加热器出口处的平均温度为600.06℃、相对不均匀度为2.36%,满足45号钢回火热处理的要求。

关键词：横向磁通感应加热全局灵敏度分析径向基函数神经网络模型多岛遗传算法响应面法

基于等效复数磁导率的利兹线绕组损耗计算模型

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第4期39卷 947-955页

作者：赵志刚王丽美陈天缘赵安琪卢子奇省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300401 河北省电磁场与电器可靠性重点实验室(河北工业大学) 天津300401

绕组损耗是高频变压器总体损耗的重要组成部分,是影响磁性元件体积、效率和温升的关键性参数。由于利兹线的高频损耗小而广泛应用于高频变压器绕组,但其复杂的三维扭转结构导致准确、快速地计算绕组损耗十分困难。解析方法需要进行简化... 详细信息

绕组损耗是高频变压器总体损耗的重要组成部分,是影响磁性元件体积、效率和温升的关键性参数。由于利兹线的高频损耗小而广泛应用于高频变压器绕组,但其复杂的三维扭转结构导致准确、快速地计算绕组损耗十分困难。解析方法需要进行简化和近似处理,难以准确地表征绕组的高频涡流特性,有限元数值方法需要对每匝绕组精细化建模,导致计算资源耗费严重。采用具有等效复值材料特性的区域替代绕组区域的均匀化技术,能够实现二维磁场对涡流效应的表征,降低了精细化建模的计算成本。但等效区域的材料特性需要利用数值方法获得,增加了计算的复杂性。因此该文通过分析利兹线损耗机理,考虑利兹线截面形状对等效区域材料特性的影响,实现了圆形利兹线绕组等效复数磁导率的明确解析描述。建立了圆形利兹线绕组损耗计算模型,验证了等效复数磁导率计算邻近效应的准确性,实现了较宽频率范围内绕组损耗的准确预测。

关键词：利兹线绕组损耗等效复数磁导率趋肤效应邻近效应

基于阻抗在线测量的锂离子电池过放电诱发内短路识别研究

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第6期39卷 1656-1670页

作者：张闯杨浩刘素贞徐志成杨庆新省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300130 河北省电磁场与电器可靠性重点实验室(河北工业大学) 天津300130

锂离子电池的过放电行为可诱发内短路进而可能导致热失控。由于单体电池一致性差异和过放电导致的内短路初期电、热特征不明显,使得电压和温度等常规物理参数难以可靠实现故障预警,而阻抗可以反映电池内部信息,对故障状态具有较好的指... 详细信息

锂离子电池的过放电行为可诱发内短路进而可能导致热失控。由于单体电池一致性差异和过放电导致的内短路初期电、热特征不明显,使得电压和温度等常规物理参数难以可靠实现故障预警,而阻抗可以反映电池内部信息,对故障状态具有较好的指示能力。该文通过分析锂离子电池过放电诱发内短路引起阻抗变化的机理,基于设计的阻抗在线测量装置,确定用于监测电池内短路故障的特征阻抗频率为70 Hz,获取过放电诱发内短路过程中特征频率下动态阻抗及阻抗变化率,提出一种基于动态阻抗特征的内短路在线识别方法并验证了方法的可靠性。实验结果表明,锂离子电池放电过程中动态阻抗半正弦变化特征可提前约144 s实现过放电预警,动态阻抗针状变化特征可提前约152 s实现内短路故障预警,动态阻抗明显回升特征可作为内短路发生的标志。此外,阻抗变化率特征有助于实现锂离子电池故障识别及预警,该方法在锂离子电池故障在线快速诊断中具有重要的应用潜力。

关键词：过放电阻抗在线测量内短路在线识别故障预警

在线全文

学校读者我要写书评

暂无评论

磁脱扣器动作响应分析及储能电容匹配设计

电力自动化设备 2024年第1期44卷 167-173页

作者：李奎佟盟武一卢志伟胡博凯徐子健河北工业大学河北省电磁场与电器可靠性重点实验室天津300401 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300401

驱动电路与磁脱扣器是电磁式漏电保护器的核心组件,磁脱扣器需与储能电容匹配。在电磁式漏电保护器基本工作原理分析的基础上,建立磁脱扣器的数学模型与有限元计算模型,根据激磁安匝变化进行衔铁响应状态分析,仿真不同线圈激励形式下磁... 详细信息

驱动电路与磁脱扣器是电磁式漏电保护器的核心组件,磁脱扣器需与储能电容匹配。在电磁式漏电保护器基本工作原理分析的基础上,建立磁脱扣器的数学模型与有限元计算模型,根据激磁安匝变化进行衔铁响应状态分析,仿真不同线圈激励形式下磁脱扣器动作响应状态。研究衔铁角动量与角位移变化特征,根据无激励时衔铁释放临界角动量与角位移关系,确定不同线圈激励形式下的衔铁临界释放条件。研究电容电压激励源下衔铁所受力矩冲量的变化规律,分析电容及其储能对衔铁释放响应状态的影响,根据临界储能最小的原则确定电容匹配,可以降低衔铁可靠释放所需储能。通过对磁脱扣器样机进行实验测试,验证了理论分析与仿真计算的正确性。

关键词：电磁式漏电保护器磁脱扣器临界释放条件电容电压激励储能电容匹配

基于残差U-Net和自注意力Transformer编码器的磁场预测方法

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第10期39卷 2937-2952页

作者：金亮尹振豪刘璐宋居恒刘元凯省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300401 河北省电磁场与可靠性重点实验室(河北工业大学) 天津300401

利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型... 详细信息

利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型,得到深度学习训练所需的数据集;然后将Transformer模块与U-Net模型结合,并引入短残差机制建立ResUnet-Transformer模型,通过预测图像的像素实现磁场预测;最后通过Targeted Dropout算法和动态学习率调整策略对模型进行优化,解决拟合问题并提高预测精度。计算实例证明,ResUnet-Transformer模型在PMSM和AMT数据集上测试集的平均绝对百分比误差(MAPE)均小于1%,且仅需500组样本。该文提出的磁场预测方法能减少实际工况和多工况下精细模拟和拓扑优化的时间和资源消耗,亦是虚拟传感器乃至数字孪生的关键实现方法之一。

关键词：有限元方法电磁场深度学习 U-Net Transformer

用于纹理识别与重建的铁镓合金触须传感器阵列

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第4期39卷 966-975页

作者：翁玲罗旭齐芳芳李卓林刘凯乐省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津300130 河北省电磁场与电器可靠性重点实验室(河北工业大学) 天津300130

受动物触须传感机制的启发,结合铁镓合金(Galfenol)对物体表面纹理高度信息的优良感知能力,设计制作一种铁镓合金触须传感器单元,并将其集成为4×2阵列。基于力学、电磁学理论和压磁方程建立了传感器单元输出电压模型,描述了输出电压与... 详细信息

受动物触须传感机制的启发,结合铁镓合金(Galfenol)对物体表面纹理高度信息的优良感知能力,设计制作一种铁镓合金触须传感器单元,并将其集成为4×2阵列。基于力学、电磁学理论和压磁方程建立了传感器单元输出电压模型,描述了输出电压与物体表面纹理高度的关系。实验测试了传感器单元的静态和动态特性。设计的传感器单元能够检测物体表面0.01~1.6 mm纹理高度变化,灵敏度为243.3 mV/mm,且具有较快的响应时间(26 ms)和恢复时间(25 ms)。将传感器单元与阵列装载在机械手上滑过具有不同纹理的样品表面,利用输出电压波形可识别与重建样品表面纹理。结果表明,设计的传感器阵列能够高精度地感知物体表面纹理信息,进而指导机械手调整操作策略,完善人机交互过程。

关键词：铁镓合金触须传感器纹理识别纹理重建

结合生成对抗网络的电阻抗断层成像技术在肺通气监测中的应用

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年第1期41卷 105-113页

作者：赵明康刘珺郭忠圣陈祥琪张帅郑天予河北工业大学生命科学与健康工程学院天津300130 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300130 天津市生物电工与智能健康重点实验室天津300130

电阻抗断层成像(EIT)技术在肺通气监测和区域性肺功能检测中发挥着重要作用。然而,EIT算法固有的病态特性导致从含有噪声的电压数据中求解电导率时存在明显偏差,难以获得准确的电导率变化分布图像以及清晰的边界轮廓。为了提高EIT在肺... 详细信息

电阻抗断层成像(EIT)技术在肺通气监测和区域性肺功能检测中发挥着重要作用。然而,EIT算法固有的病态特性导致从含有噪声的电压数据中求解电导率时存在明显偏差,难以获得准确的电导率变化分布图像以及清晰的边界轮廓。为了提高EIT在肺通气监测中的成像质量,本文提出将EIT算法与深度学习算法相结合的方法。首先,引用优化因子对卡尔曼滤波算法进行修正并将吉洪诺夫(Tikhonov)正则化引入算法的状态空间表达式,以获得初始肺部重建图像;其次将初始成像结果输入生成对抗网络模型,以重构出精确的肺部轮廓。仿真实验结果表明,该方法生成的肺部图像边界清晰,对噪声具有更强的鲁棒性,基本实现了可视化的效果,可为计算机断层扫描等影像的诊断提供参考意义。

关键词：电阻抗断层成像卡尔曼滤波生成对抗网络图像重建