Modelagem e simulação da decomposição térmica do óleo mineral isolante aplicadas à classificação de defeitos em transformadores de potência

A análise de gases dissolvidos tem sido aplicada há décadas como a principal técnica de manutenção preditiva para diagnosticar defeitos incipientes em transformadores de potência, tendo em vista que a decomposição do óleo mineral isolante produz gases que permanecem dissolvidos na fase líquida. Entretanto, apesar da importância desta técnica, os métodos de diagnóstico mais conhecidos são baseados em constatações de modelos termodinâmicos e composicionais simplificados para a decomposição térmica do óleo mineral isolante, em conjunto com dados empíricos. Os resultados de simulação obtidos a partir desses modelos não reproduzem satisfatoriamente os dados empíricos. Este trabalho propõe um modelo termodinâmico flexível aprimorado para mimetizar o efeito da cinética de formação de sólidos como restrição ao equilíbrio e seleciona, entre quatro modelos composicionais, aquele que apresenta o melhor desempenho na simulação da decomposição térmica do óleo mineral isolante. Os resultados de simulação obtidos a partir do modelo proposto apresentaram uma melhor adequação a dados empíricos do que aqueles obtidos a partir dos modelos clássicos. O modelo propostofoi, ainda, aplicado ao desenvolvimento de um método de diagnóstico com base fenomenológica.Os desempenhos desta nova proposta fenomenológica e de métodos clássicos de diagnóstico por análise de gases dissolvidos foram comparados e discutidos; o método proposto alcançou desempenho superior a vários métodos usualmente empregados nessa área do conhecimento. E, ainda, um procedimento geral para a aplicação do novo método de diagnóstico é descrito

Reusable, robust, and accurate laser-generated photonic nanosensor.

Developing noninvasive and accurate diagnostics that are easily manufactured, robust, and reusable will provide monitoring of high-risk individuals in any clinical or point-of-care environment. We have developed a clinically relevant optical glucose nanosensor that can be reused at least 400 times without a compromise in accuracy. The use of a single 6 ns laser (λ = 532 nm, 200 mJ) pulse rapidly produced off-axis Bragg diffraction gratings consisting of ordered silver nanoparticles embedded within a phenylboronic acid-functionalized hydrogel. This sensor exhibited reversible large wavelength shifts and diffracted the spectrum of narrow-band light over the wavelength range λpeak ≈ 510-1100 nm. The experimental sensitivity of the sensor permits diagnosis of glucosuria in the urine samples of diabetic patients with an improved performance compared to commercial high-throughput urinalysis devices. The sensor response was achieved within 5 min, reset to baseline in ∼10 s. It is anticipated that this sensing platform will have implications for the development of reusable, equipment-free colorimetric point-of-care diagnostic devices for diabetes screening.

一种基于新型数据预测方法的MICA仿真研究

在多元统计过程监控中,为解决因未知过程数据统计分布而产生误报漏报的现象,提出一种结合多向独立元分析法(MICA)和广义相关系数(GCC)数据预测的综合方法,进行在线监控过程的仿真。MICA分析方法能有效分解各变量的关联关系,且不需考虑建模数据是否符合正态分布,用此方法计算的独立元变量能更好地描述过程的变化规律。为提高预报未来过程故障的能力,提出用广义相关系数法进行数据预测:确定与运行轨迹相似的监控模型库中的轨迹,并使其相应部分承接于运行轨迹之后。现场采集聚氯乙烯聚合过程的数据进行仿真,仿真结果显示:对于在线监控和在线故障诊断方面,这种新型预测方法优于其它传统处理预测问题的方法。

旋转机械全息序列相似性匹配故障诊断方法

针对全息诊断分辨率低影响旋转机械故障诊断质量和自动化水平的问题,将时间序列相似性匹配的基本概念和方法引入故障诊断应用中,结合全息诊断信息融合分析旋转机械振动全貌的思想,定义了全息序列及其相似性度量模型,用类时间轴上的多维序列表征转子系统振动全貌,进而利用采用近似三角不等式与B+树结合剪枝策略的全息序列相似性匹配算法实现故障诊断。实验结果表明,该方法能够实现高质量的故障自动分类识别。

改进的符号时间序列分析方法及其在电机故障诊断中的应用

提出了一种改进的基于符号时间序列分析的电机异常探测方法,该方法自适应地将符号序列中出现符号最多的符号区间重新划分为2个新的符号区间,使得数据密集区间可以分配到相对更多的符号,而数据稀疏区间则分配到较少的符号,提高了符号对于信号变化的灵敏度。电机转子断条故障的诊断实验结果表明:该方法较平均划分区间的方法对于电机异常诊断有着更高的灵敏度以及更好的鲁棒性和可靠性。

一种基于改进LLE方法的传感器故障诊断方法研究

针对非线性系统传感器故障诊断难以解决的问题,提出了一种新的基于局部嵌入映射(LLE)的方法,解决了非线性数据的特征映射问题。首先,改进了基于分形维估计的内在维数的估计,通过线性拟合解决了线性区域的自动确定。然后,将故障状态与空间分布结合起来,通过确定数据点在空间超球内的分布完成故障的检测,在这个过程中将超球的确定与LLE算法中基于核函数的样本外数据扩展结合起来,大大减少了计算量,提高了算法的实时性,从而为复杂非线性传感器的故障诊断提供了一种新的有效的方法。

旋翼飞行机器人故障诊断与容错控制技术综述

对故障诊断和容错技术的发展过程进行了简要概述,以旋翼飞行机器人为研究对象,在分析了旋翼飞行机器人故障诊断与容错控制特点的基础上,介绍了当前国内外在该领域的研究进展和主要方法.最后,总结了该领域待解决的难点问题,并指出了该研究领域的发展趋势.

旋翼飞行机器人故障诊断及容错控制方法研究

无人直升机（Unmanned Helicopter）具有固定翼无人机所不具备的很多优势，它具有垂直起降、空中悬停、协调转弯、前飞、侧飞等多种飞行模态。这种独特的飞行性能决定了它的使用价值：在军用方面，无人直升机既能执行各种非杀伤性任务，又能执行各种软硬杀伤性任务，包括侦察、监视、目标截获、诱饵、攻击、通信中继等；在民用方面，无人直升机在航拍、大气监测、交通监控、资源勘探、电力巡检、森林防火、农业等方面具有广泛的应用前景。但是，直升机自身动力学所固有的高度复杂性和不确定性，导致难以对其实现高性能控制，目前视距范围内遥控仍然是其主要的行为方式，这极大地制约着无人直升机的实际应用。近五年来，将机器人学中的自主行为技术与无人直升机平台相结合，构造全自主型无人直升机系统，即所谓的旋翼飞行机器人（Rotary Wing Flying Robot, RWFR），被认为是一种可行的技术路线；同时，与之相关的自主控制方法也成为移动机器人领域的重要研究方向之一。 自主行为能力包括三个层面的内涵：一是自主、在线的环境理解能力，这里的环境不仅是机器人所处的外部环境，也包括其自身的动力学以及健康状态；二是以环境理解为基础的优化行为自主产生能力；三是控制自身本体实现期望行为的能力。对于旋翼飞行机器人而言，其自身健康状态的自主理解以及与之相关的控制行为产生是至关重要的环节，因为它决定着可靠性。旋翼飞行机器人具有多变量、非线性耦合、柔性结构等多种动力学特性[1]，在飞行过程中会遇到风、发动机振动等多种扰动，其机械部件和控制系统极易出现故障，如果故障不能被有效检测或在有限控制周期内没有被及时处理，旋翼飞行机器人就会因其静不稳定的特点而失去控制，导致机体严重损毁甚至地面人员伤亡。 本论文针对旋翼飞行机器人的自主健康诊断与管理能力开展深入研究，重点研究传感器、执行器、飞机本体故障解耦，各子系统故障的检测、辨识与容错控制，面向在线应用的算法实时性等核心问题，旨在建立具有结构简单、实时性好、针对典型故障可实时进行故障诊断及容错控制的方法体系。论文的具体内容如下： 第1章，对故障诊断及容错控制方法的研究现状进行综述，深入分析并归纳旋翼飞行机器人故障诊断与容错控制中存在的问题和发展方向，引出本文的研究内容和重点。同时，在简要介绍国内外各种旋翼飞行机器人实验平台的基础上，选择一种具有典型性的实验平台进行深入分析，总结了其特点和不足，为研制自己的实验平台系统奠定基础。 第2章，作为论文后续方法研究、仿真及实验验证的基础，首先介绍旋翼飞行机器人的动力学模型，接下来介绍本人参与研制的开放式仿真系统，并着重介绍以作者为主要负责人所设计、研发的40公斤起飞重量级旋翼飞行机器人开放式飞行实验平台—ServoHeli-40。 第3章，以阐述ServoHeli-40旋翼飞行机器人自主飞行控制结构及独立通道控制方法为基础，创新性地提出旋翼飞行机器人容错控制体系结构，并分析该结构中各模块任务及作用。针对传感器和执行器故障之间的耦合问题，提出基于贝叶斯推理的异类故障解耦方法，为独立研究传感器、执行器故障扫清障碍。 第4章，重点研究旋翼飞行机器人传感器故障诊断及容错控制。针对不同故障检测类型和阶段，提出了三种方法。首先针对突变类型的传感器故障采用基于db2的小波变换方法进行检测，对传感器数据进行时频域同时变换，实现实时准确分析；其次应用自适应神经网络方法对故障信号及正常飞行中飞行模态变化进行区分，提高了故障检测的可信性与可靠性；最后以多源传感器信息融合为基础，探索在部分传感器出现故障的情况下提供次优的传感器数据。 第5章，重点研究执行器软性故障的在线估计及控制策略在线重构问题。首先提出旋翼飞行机器人执行器定量软性故障的数学表达方法，深入研究两种自适应UKF方法在执行器软性故障在线估计方面的有效性和可行性；最后，提出一种基于故障参数在线估计的控制策略重构方法。 论文针对所提出的方法，以ServoHeli-40旋翼飞行机器人的实际拟合动力学模型为对象开展了仿真研究，部分内容在ServoHeli-40上进行了实际飞行实验验证。

基于LabVIEW的自组织网络的实现与应用

文章介绍了自组织神经网络在故障诊断方面的应用原理,针对自组织神经网络实现问题提出了一种通过在LabVIEW调用MATLAB应用程序实现自组织神经网络的方法。并通过轴承故障诊断的实例,证明了这种方法的有效性。

基于数字化生产模型的在线故障诊断技术研究

提出了一种基于数字化的生产模型,使用控制图、故障树分析和专家知识,能够进行制造过程实时监控的诊断,该模型提高了故障诊断系统的可靠性,并提供了可实际操作的可视化建模工具。所开发的在线统计过程控制系统能够根据生产事件的监测,动态响应制造过程变化。该系统运用可视化建模工具,根据专家经验进行故障树建模,通过故障树自动生成专家系统诊断规则库,实现诊断知识的自动获取。将该系统应用于汽车变速箱装配过程的检测与故障诊断,验证了方法的有效性。

基于粗糙集-BP神经网络的发动机故障诊断

由于发动机光谱分析监控数据中磨损微粒种类过多,如果将这些微粒信息直接作为神经网络的输入,则存在输入层神经元过多、网络结构复杂等诸多问题。本文将粗糙集引入到发动机故障诊断中来,利用粗糙集在属性约简方面的优势,删除冗余磨损微粒,提取出重要磨损微粒,并将其作为BP神经网络的输入,建立发动机故障诊断模型。该方法降低输入层的神经元个数,简化了网络结构,缩短网络训练时间,并且由于剔除了冗余磨损微粒,减少了由该部分微粒信息不准确而带来的误差,有效提高了故障诊断的精确度。最后通过算例分析验证了相关算法和诊断模型的准确性和有效性。

一种基于模糊petri网专家系统的面向对象方法设计

简要介绍了模糊petri网以及模糊产生式规则,给出了基于模糊petri网的专家系统的框架设计,并提出了模糊产生式规则和模糊petri网的详细设计,根据本设计方案开发了汽车变速箱故障诊断专家系统,证明设计方案简洁高效,扩充性和实用性好。

一种模糊petri网仿真工具的设计实现

文章将面向对象思想应用于模糊Petri网仿真工具的设计和实现过程,探讨了模糊Petri网建模与仿真的可视化问题,提出了基于网格可视化技术解决方案及具体实现方法。通过对变速箱的自动建模和诊断仿真实例,证明该系统具有良好的实用性,为模糊Petri网理论的普遍应用提供了工具平台。

Improved principal component monitoring using the local approach

This paper shows that current multivariate statistical monitoring technology may not detect incipient changes in the variable covariance structure nor changes in the geometry of the underlying variable decomposition. To overcome these deficiencies, the local approach is incorporated into the multivariate statistical monitoring framework to define two new univariate statistics for fault detection. Fault isolation is achieved by constructing a fault diagnosis chart which reveals changes in the covariance structure resulting from the presence of a fault. A theoretical analysis is presented and the proposed monitoring approach is exemplified using application studies involving recorded data from two complex industrial processes. © 2007 Elsevier Ltd. All rights reserved.

Identifying PV module mismatch faults by a thermography-based temperature distribution analysis

Photovoltaic (PV) solar power generation is proven to be effective and sustainable but is currently hampered by relatively high costs and low conversion efficiency. This paper addresses both issues by presenting a low-cost and efficient temperature distribution analysis for identifying PV module mismatch faults by thermography. Mismatch faults reduce the power output and cause potential damage to PV cells. This paper first defines three fault categories in terms of fault levels, which lead to different terminal characteristics of the PV modules. The investigation of three faults is also conducted analytically and experimentally, and maintenance suggestions are also provided for different fault types. The proposed methodology is developed to combine the electrical and thermal characteristics of PV cells subjected to different fault mechanisms through simulation and experimental tests. Furthermore, the fault diagnosis method can be incorporated into the maximum power point tracking schemes to shift the operating point of the PV string. The developed technology has improved over the existing ones in locating the faulty cell by a thermal camera, providing a remedial measure, and maximizing the power output under faulty conditions.