导读:本文包含了故障数据信息论文开题报告文献综述及选题提纲参考文献，主要关键词:故障诊断,多源数据,信息熵,小波分析
故障数据信息论文文献综述
屈子程,高亮,康保林,史光宇[1]（2019）在《基于多源数据的电力系统故障全信息诊断模型》一文中研究指出随着电力系统信息技术的广泛应用,利用多源数据进行故障诊断成为可能。目前,基于多源数据进行故障诊断仅将故障数据划分为开关量和电气量,没有考虑不同数据之间存在的差异。针对这个问题将故障数据细分为3种类型,根据3类数据的特征提出一种基于多源数据的电力系统故障全信息模型,包括利用实时性较强数据实现快速故障诊断的模块和利用全信息数据进行综合故障处理的模块。通过PSCAD和Matlab进行联合仿真,验证模型的可行性。(本文来源于《电力系统保护与控制》期刊2019年22期）
许正兵[2]（2019）在《机电设备故障大数据透露出哪些信息？》一文中研究指出机电设备故障通常由于没有按照要求对机电设备进行维护保养、正确操作、巡视检查,没有做好密集水域航行的应急准备,不熟悉应急操作,缺乏高度的安全责任心。今年年初,长江上海段水域频频发生航行中的船舶因机电设备故障导致船舶失控、搁浅的险情,严重影响了长江上海段水域的通航安全。为遏止机电设备故障船舶的多发态势,集中整治机电设备故障船舶的顽疾,上海海事局深入开展机电设备故障的原因调查和船舶安全检查,加强辖区机电设备故障船舶监督管理。笔者通过参与在(本文来源于《中国船检》期刊2019年08期）
高鹏翔[3]（2019）在《基于多源数据融合的配电网运行故障特征信息提取技术研究》一文中研究指出新时代的发展极为迅猛,配电网自动化的程度也在快速地提高,这也极大提升了获得故障数据的便利程度。在配电网发生故障时,事故信息大量且复杂,会迅速地涌入调度中心,在这样的情况下调度人员则需要快速且精准地知悉最为核心的警报信息。但是迅速而精确地识别故障是非常困难的,主要的原因在于误判以及漏判等现象。因此,处理信息的人员就需要依靠行之有效的配电网故障特征提取理论、方法来提供故障特征信息,以其作为辅助性评判,从而确保配电网安全运行。在过去,利用类似保护装置和断路器等产生的一系列开关量信息是绝大部分传统的故障特征识别、提取的方法,获取特征信息后再通过某种智能算法来判定故障的位置,而这都要求开关量的完备性极高,因为故障信息的精准性和完备性在某种意义上来讲对故障特征提取、识别的结果影响较大。因此本文在此基础上关注故障发生前后的电气量变化,并综合分析这两类信息,分别设计了有针对性的故障特征提取算法。本文首先介绍与配电网故障产生有密切关系的多源运行数据系统,并针对多源数据来源广泛多样,数据构成各异的特点,提出配电网多源异构信息模型。统一多源数据的格式后,采用改进粗糙集理论与贝叶斯网络相结合的方法对于保护器、断路器等开关量变化提取特征,利用小波能量分析来提取故障发生前后电气量变化的特征,最终提出贝叶斯故障特征指标、小波能量特征指标、小波故障特征指标和小波奇异特征指标来表征线路故障的严重程度,并且采取了优化D-S证据理论对以上证据进行多源数据融合,从而为故障特征提取、识别提供全面的参考。Matlab编程测算和PSCAD模拟仿真同时表明,与传统方法的融合效果相比,基于多源数据融合的配电网运行故障特征信息提取方法能够提升故障特征提取、诊断的可靠性以及精确度,由此可以广泛应用于电网故障诊断方向。(本文来源于《华北电力大学(北京)》期刊2019-03-01）
姬思雨[4]（2019）在《面向一类信息物理系统的数据预处理与故障诊断方法研究》一文中研究指出随着互联网技术的发展,工业生产与社会生活中的许多关键基础设施也逐渐被互联网融入,形成了信息物理系统,关键基础设施网络化发展的结果就是使得其运行效率和自动化程度大幅提升,同时使得物理设备运行信息的获取极为便利。但也带来了一些问题,比如系统数据量巨大、维度较高、价值密度低等特点,这些都给基于数据的故障诊断方法带来了挑战。就上述问题,本文开展针对数据预处理和智能故障诊断等方面的研究,主要创新点和研究内容如下:(1)基于元素重要程度数据变换的k-近邻故障诊断方法。首先,利用平均影响值算法,训练评价元素重要程度的网络模型;然后基于该网络模型求解元素重要程度权重系数;其次,在此元素重要程度评价模型的基础上,进一步优化完善评价机制,使得模型求解得到的元素重要程度值为最优值。进而结合k-近邻方法做故障诊断处理。最后,在标准UCI数据集上仿真测试,验证所提数据预处理方法对提升故障诊断性能是有效的。(2)基于信息贡献度评价函数的数据预处理方法与故障诊断。无论采用何种方式求解元素的重要程度权值,都需要一个准确的模型。首先,本章给出了评价函数参数更新的新方法,新方法在不改变模型其他参数的基础上对模型中的部分参数进行实时更新,从而保证模型的准确性。然后,基于上述评价函数求取特征权值,并将加权后的数据带入建立好的故障诊断模型进行故障诊断。最后,通过标准UCI数据集来验证本算法的有效性。(3)基于输出误差逐级补偿的多自由度宽度神经网络建模分析。针对浅层神经网络拟合精度低,分类效果差,深度神经网络待求参数多,训练耗时的问题,结合已有的宽度神经网络的研究内容,本章提出了一种基于误差补偿的叁自由度神经网络结构。采用输出预测误差逐级补偿的方法,对网络输出做出补偿。通过标准UCI数据集仿真测试表明,本算法不仅优化了深度神经网络算法的复杂度,也在网络的分类性能上表现了极佳的性能。(本文来源于《杭州电子科技大学》期刊2019-03-01）
吴华芹[5]（2018）在《基于机器学习的光纤故障数据信息快速排除方法》一文中研究指出针对当前方法没有对采集的光纤数据进行预处理,直接利用小波变换模极大值检测光脉冲信号奇异点来判断光纤故障事件的发生与时刻,数据点的边界敏感值分辨率较低,容易产生较大误差,严重影响光纤故障数据信息的排除和光纤传输的各项性能。提出一种基于机器学习的光纤故障数据信息快速排除方法,采用分段相关分析的方法对数据库中的历史数据进行故障征兆变量查找;通过利用聚焦式量化的方法对查找获得的光纤故障征兆变量进行非线性离散化,提高了边界敏感值分辨率;采用0OTDR将记录的光脉冲信号传输情况绘制成测试曲线,通过对OTDR测试曲线的分析和挖掘来实现光纤故障定位;采用小波变换和阈值滤波的方法对噪声进行平滑和光脉冲信号增强处理;最后根据小波变换模极大值的位置和特性,判断光纤故障事件点的所属类型,对光纤故障数据信息进行检测和排除。实验结果表明,所提方法在强噪声干扰环境下仍然具有较好的传输性能,且抗突变能力较好。(本文来源于《激光杂志》期刊2018年12期）
耿德志[6]（2018）在《云计算环境下海量信息故障数据挖掘算法》一文中研究指出当前云计算的环境为人们提供了便捷的网络访问,进入可适配的计算资源共享池,使得资源可以被快速的应用,在这种大环境下网络上存在着海量的数据信息,存在一些对故障数据检测不精准,干扰因素大的问题,针对该问题提出了故障数据挖掘算法,通过对算法整体流程的设计、故障数据的定位形成数据集再对数据集利用挖掘进行描述,最后通过仿真实验验证该算法的可行性,已达到提升精准度,在海量信息的故障诊断分析中具有良好的利用价值。(本文来源于《计算机产品与流通》期刊2018年11期）
凌标灿,杨佳滨[7]（2018）在《电机滚动轴承故障诊断的多信息源数据融合方法》一文中研究指出在电机滚动轴承的故障诊断领域中,由于电机运行环境的复杂性,以及目前大多数故障诊断依然是基于单参数进行,如振动、温度及电流等所能携带的故障特征进行诊断,所以不确定性因素及不确定信息也充斥其间,从而致使故障诊断的准确率较低。分析了传统故障诊断系统的弊端,并介绍了多信息源数据融合诊断系统的结构及其在故障诊断应用中的优势,并通过实例分析,采用3个独立传感器对轴承故障信号采集,并通过经验模态方法对信号处理得到故障特征向量,最后应用BP神经网络和D-S证据理论进行故障识别。每使用一次D-S证据理论的合成,均会提高故障诊断的准确率,进一步说明多信息源数据融合故障诊断系统的的可行性及有效性。(本文来源于《华北科技学院学报》期刊2018年05期）
马洲俊,樊飞龙,王勇,王立伟,倪春华[8]（2018）在《基于多源异构数据的配电网故障信息挖掘与诊断》一文中研究指出配电网海量运行数据为其运行分析提供了良好的基础,如何挖掘多源异构数据诊断故障是提升配电网安全运行水平和优质服务水平的关键。文章以生产管理系统、故障抢修以及SCADA数据为对象,分析多源信息构成与属性,建立SCADA事件的预集规则,并匹配关联故障抢修事件与SCADA数据。基于数据来源、属性等不同维度,综合考虑数据预集规则,对多源异构数据进行分类组合与融合,并存储于大数据hadoop平台。基于多源异构数据的配电网故障诊断首先对事件进行判断,挖掘与故障相关的保护动作、遥测、事故汇总等,明确故障对象、内容与属性,并结合辅助信息验证诊断结果。利用该策略建立的系统部署于某城市配电网,其诊断性能及正确率满足要求,可有效提高配电网数据挖掘与分析能力,为调度运行及检修提供支撑。(本文来源于《供用电》期刊2018年08期）
朱萌[9]（2018）在《面向大数据的高压断路器状态信息挖掘与故障诊断》一文中研究指出随着智能电网的飞速发展,电力行业随着信息社会进入了大数据时代。在电力设备在线监测领域,随着传感器技术的发展,面临着监测数据类型多样化、数据体量剧增的新问题。而数据丰富之后,随之而来的便是数据“性价比”低,提取有效特征困难,设备运行状态判断不够智能,更是难以提供电力设备运行全景展示的一系列问题。针对海量数据提取有效特征困难问题,本文将深度学习技术引入到针对高压断路器监测量的特征学习领域,结合数据样本特点,特别选用深度信念网络(Deep Belief Network,DBN)对数据进行深层次特征挖掘,在对DBN理论分析的基础上,提出采用贪婪训练方法,实现数据特征深度学习之目的的同时,保证网络训练效率。针对断路器故障诊断包括故障趋势识别问题,本文将DBN与分类器结合起来,将DBN提取到的深度抽象特征作为分类器的训练样本,进而训练得到深度分类网络,解决模式识别问题。通过故障模拟试验采集数据样本,对文中建立的深度分类网络进行训练与测试,获得了优秀的结果。同时,还与反向传播(Back Propagation,BP)神经网络、支持向量机(Support Vector Machine,SVM)算法的分类效果进行对比,更加证明了深度学习技术的优越性能。针对断路器运行状态全景化展示问题,本文在对深度学习技术的成功应用的基础上,设计了一套电力大数据背景下高压断路器状态监测全景化展示平台,并提出了扩展为针对任意高压电力设备的全景平台构想,延展了深度学习技术在电力行业的应用空间。针对这一平台的设计,首先提出一种针对电力大数据的数据库建立方法,不仅承担数据的处理、存储、查询工作,还将作为设备运行状态诊断的数据样本支撑。然后基于数据库支持,融合数据挖掘与特征学习模块,决策指导与可视化展示模块,提出全景化平台总体架构。本文引入深度学习技术,避免了常用智能算法易陷入局部最小、不适应大体量数据、需要人工提取特征参数等问题,在实验中表现优秀,也证明了该方法的使用意义。本文初步设计电力设备大数据背景下全景化展示平台,为将来的研究工作提供一定思路。(本文来源于《东南大学》期刊2018-06-01）
刘海晓[10]（2018）在《基于CAN-BUS数据和粗糙集的公交车辆关键故障信息研究》一文中研究指出随着首都公交车数量和运营里程不断增加,公交车辆高负荷的运行导致故障问题频现,出现故障后会影响正常交通秩序,所以分析公交车辆关键故障信息,科学地监测公交车健康状态是十分必要的。但是公交运行数据具有多样性、容量大、形式复杂的特点,传统地数据分析方法不能有效地分析解决问题。当公交车出现故障时,CAN-BUS(控制器局域网总线技术中文名)系统中的参数状态会发生相应变化。从CAN-BUS系统的众多参数中找出发生故障时的关键信息,可以提高公交车辆维修保养效率,进而提升公交运营水平。本文首先对CAN-BUS系统数据进行处理,包括数据清洗、数据导入和故障时间点判断;其次分析各种常见离散化算法,并结合各个离散化算法的优缺点与本文所用数据特点,最终选择基于布尔逻辑算法的属性离散化方法对公交车的连续属性值进行离散化操作;再次针对启发式搜索等约简算法存在着计算复杂度高的问题,提出基于遗传算法的属性约简算法对属性进行约简,该算法是基于粗糙集的基本原理,将条件属性与决策属性间的依赖度设置为优化目标,设置编码方式,利用基于遗传算法属性约简算法筛选条件属性。最后针对基于遗传算法属性约简算法计算结果不稳定且有可能陷入局部最优的问题,提出了基于元胞遗传算法属性约简算法进行属性约简,运用所设计的算法对CAN-BUS系统的实际车辆数据进行约简,并从算法的效率、稳定性、收敛质量和规则匹配度几个方面对两种算法进行了比较。通过本文算法的属性约简,得出公交车辆的关键故障信息为仪表车速、机油压力、扭矩百分比、顺时发动机转速、冷却液温度。进一步研究发现:基于元胞遗传算法属性约简算法相比于基于遗传算法的属性约简算法在算法效率、稳定性、收敛质量方面的适用性更高。尽管基于遗传算法的属性约简算法在规则匹配度方面略优于基于元胞遗传算法的属性约简算法,但是在可以接受的匹配度范围内,基于元胞遗传算法的属性约简算法的挖掘信息的能力更强。最后,论文用Java语言结合百度Echarts插件进行了公交车辆关键故障信息的实时展示、不同时段均值的展示、以公交月、车型和线路为查询条件的均值实时展示。在公交车运营中可以通过重点监测这些参数的实时变化,快速发现和解决车辆故障问题。(本文来源于《北京交通大学》期刊2018-05-01）
故障数据信息论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机电设备故障通常由于没有按照要求对机电设备进行维护保养、正确操作、巡视检查,没有做好密集水域航行的应急准备,不熟悉应急操作,缺乏高度的安全责任心。今年年初,长江上海段水域频频发生航行中的船舶因机电设备故障导致船舶失控、搁浅的险情,严重影响了长江上海段水域的通航安全。为遏止机电设备故障船舶的多发态势,集中整治机电设备故障船舶的顽疾,上海海事局深入开展机电设备故障的原因调查和船舶安全检查,加强辖区机电设备故障船舶监督管理。笔者通过参与在
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
故障数据信息论文参考文献
[1].屈子程,高亮,康保林,史光宇.基于多源数据的电力系统故障全信息诊断模型[J].电力系统保护与控制.2019
[2].许正兵.机电设备故障大数据透露出哪些信息？[J].中国船检.2019
[3].高鹏翔.基于多源数据融合的配电网运行故障特征信息提取技术研究[D].华北电力大学(北京).2019
[4].姬思雨.面向一类信息物理系统的数据预处理与故障诊断方法研究[D].杭州电子科技大学.2019
[5].吴华芹.基于机器学习的光纤故障数据信息快速排除方法[J].激光杂志.2018
[6].耿德志.云计算环境下海量信息故障数据挖掘算法[J].计算机产品与流通.2018
[7].凌标灿,杨佳滨.电机滚动轴承故障诊断的多信息源数据融合方法[J].华北科技学院学报.2018
[8].马洲俊,樊飞龙,王勇,王立伟,倪春华.基于多源异构数据的配电网故障信息挖掘与诊断[J].供用电.2018
[9].朱萌.面向大数据的高压断路器状态信息挖掘与故障诊断[D].东南大学.2018
[10].刘海晓.基于CAN-BUS数据和粗糙集的公交车辆关键故障信息研究[D].北京交通大学.2018