齿轮箱的健康监测对于机械传动系统以及机械设备的健康管理极为重要。针对变工况齿轮箱在使用过程中的健康状态较难监测的情况,提出一种基于高斯混合模型(Gaussian mixture model,GMM)和局部分布差异(local distribution difference,LDD...齿轮箱的健康监测对于机械传动系统以及机械设备的健康管理极为重要。针对变工况齿轮箱在使用过程中的健康状态较难监测的情况,提出一种基于高斯混合模型(Gaussian mixture model,GMM)和局部分布差异(local distribution difference,LDD)的自适应动态阈值健康监测方法。首先,对原始振动信号进行处理,从处理信号中提取特征,并依据单调性排序;使用核主成分分析对单调性较好的特征进行降维,构建退化趋势。再使用健康数据训练高斯混合模型,确定模型参数,并计算贝叶斯推断的距离(Bayesian inference distance,BID)。最后使用LDD动态调整滑动窗口大小并结合核密度估计(kernel density estimation,KDE)建立自适应阈值,对齿轮箱的健康状态进行监测。通过实验对比分析表明:本方法的预测准确性为99%,假警率为0.05%,灵敏度为98%,相较于其他方法有较大优势。展开更多
针对双目立体匹配中由于噪声和遮掩的影响产生模糊视差点的问题,提出了一种新的基于difference of gaussian(DoG)的立体匹配算法.该算法在the sumof absolutes(SAD)算法提取初步视差图的基础上,采用DoG算法来分析噪声等对视差图的影响,...针对双目立体匹配中由于噪声和遮掩的影响产生模糊视差点的问题,提出了一种新的基于difference of gaussian(DoG)的立体匹配算法.该算法在the sumof absolutes(SAD)算法提取初步视差图的基础上,采用DoG算法来分析噪声等对视差图的影响,通过设定阈值筛选出模糊点,最后使用多重视差假定算法修补模糊点.实验证明,在SAD算法的基础上使用该算法可获得较好的匹配效果.展开更多
不对称接地故障占所有线路故障的90%以上,接地距离保护在应对此类故障方面发挥了不可替代的作用。随着新能源高比例渗透,各种传统单端工频量保护性能显著下降已成为共识。基于故障分量线模和零模波速差的保护判据理论上仅需利用到故障...不对称接地故障占所有线路故障的90%以上,接地距离保护在应对此类故障方面发挥了不可替代的作用。随着新能源高比例渗透,各种传统单端工频量保护性能显著下降已成为共识。基于故障分量线模和零模波速差的保护判据理论上仅需利用到故障初始行波到达时刻信息,是一种原理简单可靠的单端量快速保护判据,已经在直流电网中成功实践。但在尝试将这类保护应用于交流电网时发现,受波头前陡较缓而难以精确定位波到时刻、依赖高采样率等诸多不利因素影响,存在过大的模糊判别区,除了特长线路外,对绝大部分线路几乎没有应用可行性。波到时刻的精准辨识是一个复杂的非线性问题,利用人工智能的方法进行辨识是一条可行的解决思路,对此,该文提出一种新的单端暂态量主保护判据。首先,分析波达时刻与波形关系,并指出这种关系能够采用机器学习来映射;其次,引入高斯过程回归(Gaussian process regression,GPR),在对初始行波数据进行预处理得到样本集后,输入GPR预测模型进行训练;然后,依据模型评估指标得到最优训练模型以输出高可信性的线-零模波达时差,据此实现了基于行波模量传输时间差的保护判据;最后,在利用PSCAD仿真验证所提保护判据有效性和普适性的基础上,进一步利用现场实测数据对判据进行测试,验证其实用性。该文工作为新能源交流系统下单端暂态量保护的性能提升提供新的解决思路。展开更多
文摘齿轮箱的健康监测对于机械传动系统以及机械设备的健康管理极为重要。针对变工况齿轮箱在使用过程中的健康状态较难监测的情况,提出一种基于高斯混合模型(Gaussian mixture model,GMM)和局部分布差异(local distribution difference,LDD)的自适应动态阈值健康监测方法。首先,对原始振动信号进行处理,从处理信号中提取特征,并依据单调性排序;使用核主成分分析对单调性较好的特征进行降维,构建退化趋势。再使用健康数据训练高斯混合模型,确定模型参数,并计算贝叶斯推断的距离(Bayesian inference distance,BID)。最后使用LDD动态调整滑动窗口大小并结合核密度估计(kernel density estimation,KDE)建立自适应阈值,对齿轮箱的健康状态进行监测。通过实验对比分析表明:本方法的预测准确性为99%,假警率为0.05%,灵敏度为98%,相较于其他方法有较大优势。
文摘针对双目立体匹配中由于噪声和遮掩的影响产生模糊视差点的问题,提出了一种新的基于difference of gaussian(DoG)的立体匹配算法.该算法在the sumof absolutes(SAD)算法提取初步视差图的基础上,采用DoG算法来分析噪声等对视差图的影响,通过设定阈值筛选出模糊点,最后使用多重视差假定算法修补模糊点.实验证明,在SAD算法的基础上使用该算法可获得较好的匹配效果.
文摘不对称接地故障占所有线路故障的90%以上,接地距离保护在应对此类故障方面发挥了不可替代的作用。随着新能源高比例渗透,各种传统单端工频量保护性能显著下降已成为共识。基于故障分量线模和零模波速差的保护判据理论上仅需利用到故障初始行波到达时刻信息,是一种原理简单可靠的单端量快速保护判据,已经在直流电网中成功实践。但在尝试将这类保护应用于交流电网时发现,受波头前陡较缓而难以精确定位波到时刻、依赖高采样率等诸多不利因素影响,存在过大的模糊判别区,除了特长线路外,对绝大部分线路几乎没有应用可行性。波到时刻的精准辨识是一个复杂的非线性问题,利用人工智能的方法进行辨识是一条可行的解决思路,对此,该文提出一种新的单端暂态量主保护判据。首先,分析波达时刻与波形关系,并指出这种关系能够采用机器学习来映射;其次,引入高斯过程回归(Gaussian process regression,GPR),在对初始行波数据进行预处理得到样本集后,输入GPR预测模型进行训练;然后,依据模型评估指标得到最优训练模型以输出高可信性的线-零模波达时差,据此实现了基于行波模量传输时间差的保护判据;最后,在利用PSCAD仿真验证所提保护判据有效性和普适性的基础上,进一步利用现场实测数据对判据进行测试,验证其实用性。该文工作为新能源交流系统下单端暂态量保护的性能提升提供新的解决思路。
