简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。
简介:针对大型设备故障诊断中特征量表现出来的不确定性和非精确性,提出了一种基于灰色关联理论来获取基本概率测度(BPA)的方法。该方法确定各故障特征量的参考样本,然后根据灰色相关性理论求得待诊断样本的相关系数,所取得的相关系数进行归一化处理即得到BPA值,经过Dempster多源组合规则进行多证据融合,得到最后的诊断结果。将所提方法用于电机转子故障诊断,实验结果表明该方法有效。
简介:提出一种应用于三相四线制有源电力滤波器(APF)的瞬时无功功率ip-iq谐波电流检测方法,用于解决传统检测方法提取精度低、收敛速度慢、稳定性较差等问题,采用自适应递推最小二乘法(RLS)算法取代低通滤波器。新方法以改进瞬时无功功率ip-iq法为电流检测依据,先减去电流中的零序分量,再利用坐标变换矩阵计算出电流有功、无功以及交直流分量。结果显示,该算法有效提高了直流分量的提取精度,在三相四线制APF中采用该方法是可行有效的。