基于小波变换的交流系统串联电弧故障诊断

发布时间：2018-07-03 18:14

  本文选题：电弧故障 + 小波变换　； 参考：《电工技术学报》2014年01期

【摘要】：为实现对用电系统低压用户端中串联电弧故障的准确诊断,根据交流系统中低压串联电弧故障特性,通过自主搭建的电弧故障模拟实验平台及不同负载下的串联电弧故障模拟实验,本文提出一种基于小波变换的串联电弧故障诊断方法。该方法首先采用极大极小原理对信号进行降噪处理,并结合小波变换模极大值对信号进行多分辨分析;将三阶Daubechies小波基函数提取出的各频段细节信号模极大值作为网络输入的特征向量,利用基于阻尼最小二乘法改进的多层前馈(Back Propagation,BP)神经网络构建特征向量与电弧故障之间的映射关系进行故障诊断分类。测试结果表明,该方法可有效实现交流系统中串联电弧故障的诊断分类。
[Abstract]:In order to accurately diagnose the series arc fault in the low voltage user end of the electric power system, according to the fault characteristics of the low voltage series arc in the AC system, This paper presents a fault diagnosis method of series arc based on wavelet transform, which is based on self-built arc fault simulation platform and series arc fault simulation experiment under different loads. Firstly, the signal is de-noised based on the minimax principle, and the wavelet transform modulus maximum is used to analyze the signal. The modulus maximum of every frequency band detail signal extracted from the third order Daubechies wavelet basis function is used as the eigenvector of the network input. Fault diagnosis classification is carried out by using the improved back propagation BP neural network based on the damped least square method to construct the mapping relationship between the eigenvector and the arc fault. The test results show that this method can effectively realize the fault diagnosis and classification of series arc in AC system.
【作者单位】： 沈阳工业大学电气工程学院;
【基金】：国家自然科学基金资助项目(51377106)和国家自然科学基金重点资助项目(51337001)
【分类号】：TM501.2

【参考文献】

相关期刊论文 前8条

1 何怡刚;祝文姬;周炎涛;刘美容;;基于粒子群算法的模拟电路故障诊断方法[J];电工技术学报;2010年06期

2 周天春;杨丽君;廖瑞金;汪可;郑升讯;;基于局部放电因子向量和BP神经网络的油纸绝缘老化状况诊断[J];电工技术学报;2010年10期

3 李夏青;左丽;;直流牵引网故障电流能量谱及特征矢量[J];电工技术学报;2010年11期

4 雍静;桂小智;牛亮亮;曾礼强;;基于自回归参数模型的低压系统串联电弧故障识别[J];电工技术学报;2011年08期

5 蓝会立;张认成;;基于小波分析的故障电弧伴生弧声特征提取[J];电力系统及其自动化学报;2008年04期

6 孙鹏;董荣刚;郑志成;;基于小波分析信号特征频段能量变比的故障电弧诊断技术研究[J];高压电器;2010年07期

7 于志伟,苏宝库,曾鸣;小波包分析技术在大型电机转子故障诊断系统中的应用[J];中国电机工程学报;2005年22期

8 孙鹏;郑志成;闫荣妮;高翔;;采用小波熵的串联型故障电弧检测方法[J];中国电机工程学报;2010年S1期

【共引文献】

相关期刊论文 前10条

1 倪涛;李夏青;;基于EMD分解的直流牵引供电系统短路故障识别[J];北京石油化工学院学报;2012年02期

2 潘庆庆;赵书涛;潘亮亮;;基于声波处理的变压器故障诊断与状态发展趋势预测[J];变压器;2009年02期

3 王冬云;张文志;张建刚;;小波包能量谱在滚动轴承故障诊断中的应用[J];轴承;2010年11期

4 刘曼兰;于海芳;崔淑梅;;一种永磁直流电机故障诊断方法[J];电工技术学报;2007年10期

5 赵濵;李颖晖;杨朋松;;基于小波包的无刷直流电机匝间短路故障特征提取[J];大电机技术;2009年04期

6 李志红;;水电机组振动信号去除高频噪声技术综述[J];大电机技术;2009年06期

7 刘蕾蕾;张春喜;;应用小波包结合FFT方法检测转子断条故障[J];电机技术;2007年02期

8 邓辉;王立国;杨静;汤万万;徐殿国;;潜油电机的RMNN建模分析与无传感器转速辨识[J];电机与控制学报;2007年05期

9 刘蕾蕾;张春喜;;转子断条故障检测新方法研究[J];大理学院学报(自然科学);2006年12期

10 郭东杰;王灵梅;郭红龙;武卫红;韩西贵;;改进小波结合BP网络的风力发电机故障诊断[J];电力系统及其自动化学报;2012年02期

相关会议论文 前2条

1 胡汉辉;谭青;;基于小波包分析及模糊识别的风机故障诊断[A];第二十九届中国控制会议论文集[C];2010年

2 彭玉楼;何怡刚;彭玉旭;;基于小波谱的轴承加工故障诊断[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

相关博士学位论文 前10条

1 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

2 龚玉蓉;基于小波包的三维大地电磁测深静态效应压制研究[D];中南大学;2011年

3 王冬云;转子-轴承故障诊断方法研究[D];燕山大学;2012年

4 彭文季;水电机组振动故障的智能诊断方法研究[D];西安理工大学;2007年

5 刘曼兰;永磁直流电机故障在线监测与智能诊断的研究[D];哈尔滨工业大学;2007年

6 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年

7 刘丽霞;基于小波理论与LSSVM的模拟集成电路故障诊断方法[D];西安电子科技大学;2011年

8 杜文辽;状态监控与智能诊断关键技术研究及其在汽车起重机主泵中的应用[D];上海交通大学;2013年

9 徐子利;同塔多回输电线路瞬时性故障的故障分析与故障测距[D];华南理工大学;2012年

10 余琼芳;基于小波分析及数据融合的电气火灾预报系统及应用研究[D];燕山大学;2013年

相关硕士学位论文 前10条

1 窦甜华;基于多信息融合的电气火灾智能检测技术的研究[D];山东建筑大学;2011年

2 韩明;基于DSP的电机转子绕组匝间短路检测研究[D];河北科技大学;2011年

3 尹保明;小波神经网络故障诊断方法及其在变频调速系统中应用研究[D];河南理工大学;2011年

4 胡莹岑;基于支持向量机的模拟电路故障诊断技术研究[D];南京航空航天大学;2010年

5 孙旺;汽车起重机关键部件智能故障诊断系统开发[D];上海交通大学;2012年

6 刘湘宁;低压串联电弧故障诊断技术的研究[D];沈阳工业大学;2012年

7 杨俊;基于LabVIEW的电机噪声振动测试分析系统[D];浙江大学;2007年

8 蒋威;基于虚拟仪器的电机振动测试分析系统[D];浙江大学;2006年

9 马文生;小波分析方法在机械故障诊断中的应用研究[D];内蒙古科技大学;2008年

10 赵玉芳;基于HHT与盒维数的旋转机械故障诊断方法[D];南京航空航天大学;2007年

【二级参考文献】

相关期刊论文 前10条

1 刘玉仙;变压器油纸绝缘的含湿分析及其对运行安全的影响[J];变压器;2002年05期

2 徐涛;王祁;;基于小波包神经网络的传感器故障诊断方法[J];传感技术学报;2006年04期

3 蔡金，

本文编号：2094567