SW-50B短波发射机故障分析预警系统的设计与实现
发布时间：2021-06-19 14:14
当下,信息化已经席卷全世界,包括网络媒体、移动端媒体、数字报刊等等的各类新媒体都呈现出了蓬勃的发展态势,作为传统媒体之一的广播技术,面临着巨大的挑战。作为广播技术中重要的一项——短波,凭借其特有的传播方式,在一些特殊环境下展现出强大的传输和广播能力。目前,10Kw以下的小功率短波发射机已基本可以做到高集成度的全固态化,在出现故障的时候可以将故障点的组合进行整体更换;而大功率短波发射机,受零部件材料和制造工艺的影响,始终无法全固态化,而相应的故障检测机制更是无法直接针对发射机零部件。这就造成了发射机一旦出现故障,很难及时准确的判断出故障位置,即便在很短的时间内判断出故障点,用于排除的时间,同样会造成短时间的劣播,甚至停播。我台多部PSM SW-50B型50Kw短波发射机均面临着一旦出现故障,无法及时定位故障点;故障定位后排除故障耗时较长,由此造成不必要的事故停播的情况。为了从根本上避免劣播、停播事故的发生,我台为发射机加入了故障预测机制。目前,故障预测已经被很多系统预置为安全运行所必须的核心手段,在对设备的过去以及当前的运行状态进行分析后,判断设备未来的运行趋势,找出规律,及时发现设备中...
【文章来源】：内蒙古大学内蒙古自治区 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
屏流的时序图及自相关图
下面给出模型定阶，及模型参数的最小二乘法的估参数估计们给出了 SW-50B 短波发射机屏流的自相关图，通过利用偏自相关系数，根据自相关系数和偏相关系数的拖尾及列。
由图 3.3 及 3.4 可知预测模型的残差分布为正态分布，并由表 3.4 的检验结果可知Pr值都大于 a = 0.05，则模型的残差为白噪声序列，所拟合模型可以较好的预测未来序列信息。表 3.4 预测模型的残差自相关检验Table3.4 Residual autocorrelation test of prediction model至滞后 卡方 自由度 Pr > 卡方 自相关系数6 3.76 4 0.4401 -0.104 0.004 0.084 -0.125 -0.22 0.1312 7.73 10 0.6555 -0.192 0.186 -0.104 0.077 -0.019 0.0418 16.86 16 0.3945 -0.006 -0.028 -0.202 0.052 -0.288 0.0424 32.96 22 0.0624 0.088 -0.01 0.143 0.122 -0.269 0.09
【参考文献】：
期刊论文
[1]TBH-522型PSM短波广播发射机功率控制板故障的判断及处理[J]. 张京保,马国平. 西部广播电视. 2014(02)
[2]PSM短波发射机故障处理与日常维护[J]. 刘玲,高瑞刚,刘楠. 内蒙古广播与电视技术. 2012(02)
[3]100kW PSM短波广播发射机栅极故障分析[J]. 王冰. 山西电子技术. 2012(02)
[4]50 kW-PSM短波发射机功率模块和功率控制板原理及常见故障处理[J]. 王洁,白生亮,尹欣平. 内蒙古广播与电视技术. 2011(03)
[5]基于时间序列ARMA模型的振动故障预测[J]. 刘颖,严军. 化工自动化及仪表. 2011(07)
[6]灰预测与时间序列模型在航天器故障预测中的应用[J]. 李培华,杨海龙,孙伶俐,邓忠民. 计算机测量与控制. 2011(01)
[7]时间序列分析的理论与应用综述[J]. 罗芳琼,吴春梅. 柳州师专学报. 2009(03)
[8]基于LSSVM-HMM的发射机故障预测研究[J]. 许丽佳,龙兵,王厚军. 仪器仪表学报. 2008(01)
[9]故障组合预测模型研究[J]. 许丽佳,王厚军,龙兵. 电子测量与仪器学报. 2007(05)
[10]PSM-50kW短波发射机故障分析与处理[J]. 张建军,尹欣平. 内蒙古广播与电视技术. 2007(02)
博士论文
[1]时间序列分析的早期发展[D]. 聂淑媛.西北大学 2012
硕士论文
[1]时间序列短期预测的方法和技术[D]. 艾玲.华东师范大学 2010
[2]基于时间序列模型的化工设备状态的预测研究[D]. 徐大维.北京化工大学 2009
本文编号：3237965
【文章来源】：内蒙古大学内蒙古自治区 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
屏流的时序图及自相关图
下面给出模型定阶，及模型参数的最小二乘法的估参数估计们给出了 SW-50B 短波发射机屏流的自相关图，通过利用偏自相关系数，根据自相关系数和偏相关系数的拖尾及列。
由图 3.3 及 3.4 可知预测模型的残差分布为正态分布，并由表 3.4 的检验结果可知Pr值都大于 a = 0.05，则模型的残差为白噪声序列，所拟合模型可以较好的预测未来序列信息。表 3.4 预测模型的残差自相关检验Table3.4 Residual autocorrelation test of prediction model至滞后 卡方 自由度 Pr > 卡方 自相关系数6 3.76 4 0.4401 -0.104 0.004 0.084 -0.125 -0.22 0.1312 7.73 10 0.6555 -0.192 0.186 -0.104 0.077 -0.019 0.0418 16.86 16 0.3945 -0.006 -0.028 -0.202 0.052 -0.288 0.0424 32.96 22 0.0624 0.088 -0.01 0.143 0.122 -0.269 0.09
【参考文献】：
期刊论文
[1]TBH-522型PSM短波广播发射机功率控制板故障的判断及处理[J]. 张京保,马国平. 西部广播电视. 2014(02)
[2]PSM短波发射机故障处理与日常维护[J]. 刘玲,高瑞刚,刘楠. 内蒙古广播与电视技术. 2012(02)
[3]100kW PSM短波广播发射机栅极故障分析[J]. 王冰. 山西电子技术. 2012(02)
[4]50 kW-PSM短波发射机功率模块和功率控制板原理及常见故障处理[J]. 王洁,白生亮,尹欣平. 内蒙古广播与电视技术. 2011(03)
[5]基于时间序列ARMA模型的振动故障预测[J]. 刘颖,严军. 化工自动化及仪表. 2011(07)
[6]灰预测与时间序列模型在航天器故障预测中的应用[J]. 李培华,杨海龙,孙伶俐,邓忠民. 计算机测量与控制. 2011(01)
[7]时间序列分析的理论与应用综述[J]. 罗芳琼,吴春梅. 柳州师专学报. 2009(03)
[8]基于LSSVM-HMM的发射机故障预测研究[J]. 许丽佳,龙兵,王厚军. 仪器仪表学报. 2008(01)
[9]故障组合预测模型研究[J]. 许丽佳,王厚军,龙兵. 电子测量与仪器学报. 2007(05)
[10]PSM-50kW短波发射机故障分析与处理[J]. 张建军,尹欣平. 内蒙古广播与电视技术. 2007(02)
博士论文
[1]时间序列分析的早期发展[D]. 聂淑媛.西北大学 2012
硕士论文
[1]时间序列短期预测的方法和技术[D]. 艾玲.华东师范大学 2010
[2]基于时间序列模型的化工设备状态的预测研究[D]. 徐大维.北京化工大学 2009
本文编号：3237965
本文链接：https://www.wllwen.com/kejilunwen/wltx/3237965.html
