一、SDH网络故障智能分析诊断系统（论文文献综述）
郭瑜,童丽娜,倪旭明[1]（2022）在《基于改进卷积神经网络的电力通信网故障诊断研究》文中研究说明针对当前电力通讯网络故障诊断方法及时性差、准确率低和自我学习能力差等缺陷,提出基于改进卷积神经网络的电力通信网故障诊断方法,结合ReLU和Softplus两个激活函数的特点,对卷积神经网络原有激活函数进行改进,使其同时具备光滑性与稀疏性;采用ReLU函数作为作为卷积层与池化层的激活函数,改进激活函数作为全连接层激活函数的结构模型,基于小波神经网络模型对告警信息进行加权操作,得到不同告警类型和信息影响故障诊断和判定的权重,进一步提升故障诊断的准确率;最后通过仿真试验可以看出,改进卷积神经网络相较贝叶斯分类算法与卷积神经网络具有较高的准确率和稳定性,故障诊断准确率达到99.1%,准确率标准差0.915%,为今后电力通讯网智能化故障诊断研究提供一定的参考。
廖小君,冯先正,张里,王晓茹[2]（2021）在《一种基于录波启动信息的电网故障诊断特征向量中心性方法》文中研究指明文中提出了一种根据故障录波启动信息进行图信号建模,并基于网络节点特征向量中心性算法的电网故障诊断方法。首先,从继电保护及故障信息主站的故障录波启动信息构建故障启动信息网络图;其次,利用图平滑性分析方法判断电网是否发生故障及识别故障类型;最后,基于网络节点特征向量中心性算法识别故障元件,并进行可视化展示。仿真验证了所提算法的有效性。该方法作为录波智能故障分析的一部分,有助于快速掌握电网故障情况,并有重点地收集录波数据进行故障分析和校核,提高录波分析效率。
尹航[3]（2021）在《铁路信号集中监测系统智能分析及预警方法研究》文中研究说明近年来,我国高速铁路发展迅速,截至2020年底,我国高速铁路运营总里程数已经达到了3.79万千米。巨大的里程数带来的不仅仅是更加便捷的交通方式,还有对铁路信号设备的可靠性以及行车安全性的更高要求。因此通过运用最新的技术方法,对铁路信号设备进行智能分析,诊断设备故障并对其状态趋势进行预测,是目前的一个重要研究课题。铁路信号集中监测系统（Centralized Signaling Monitoring,CSM）的主要目的是对铁路信号设备进行实时监测,并对各项数据进行归类,通过对比各信号设备的历史数据与实时数据,设备发生故障时及时报警并做出故障分析,为铁路电务部门掌握设备运行状况提供有效依据。然而目前集中监测系统还没有形成完整的监测、故障诊断、故障预测一体的综合分析功能,故障预测能够分析设备的运行趋势,判断设备目前的故障状态,对存在潜在故障的设备进行预警,能够更加有效对设备进行更新维护。因此实现集中监测系统智能化分析及设备故障预警功能是十分必要的。本文设计了基于神经网络的故障预警流程,对集中监测系统收集到的原始信号进行处理分析,预测信号设备的健康状态并进行故障等级划分。主要以转辙设备的退化故障为研究目标,利用集合经验模态分解（EEMD）对正常与退化数据进行特征提取,筛选最优特征构建特征向量子集,以门控循环单元（GRU）神经网络构建转辙机退化故障预测模型,对该设备的健康状态进行评估,并通过自底向上算法进行时间序列线性分段研究。具体研究内容包括:（1）由于原始数据的冗余程度较大,需要对转辙机的原始退化数据进行预处理,剔除无关、杂乱数据。随后通过统计学与EEMD相结合的方式对故障特征进行提取,统计学方式提取时域特征,EEMD提取时频域特征,这种时域与时频域特征相结合的方式不仅能够从特征的波动性、分散程度上反应转辙机的退化状态,而且能够处理诸如功率曲线等非平稳信号。但由于各特征提取后趋势并不十分明显,需要平滑后加以使用。因此提出了一种基于局部加权回归（LOESS）的特征平滑方式,不仅消除了噪声,而且捕获了特征的重要趋势。最后计算各特征的综合指数评分进行特征排序,择优选择合适维度的特征数据,用于神经网络模型的输入。（2）由于转辙机健康指数（HI）难以直接获取,因此提出了一种基于GRU的HI融合构建策略。首先利用筛选后的最优特征子集作为模型的特征输入,并确立融合性能指标,设定好GRU神经网络模型的各项参数后进行训练,得到一条能够明确表征设备健康状态变化趋势的健康指数曲线,通过对比BP神经网络、极限学习机ELM、支持向量机SVM的融合结果,发现GRU神经网络模型的平均绝对误差MAE和均方根误差RMSE最小,分别为11.46和15.40,因此该模型可以达到最好的融合预测效果。（3）利用时间序列分割方法--自底向上（BUP）分割方法将曲线分成若干时间段,每个时间段内的曲线都保持相同趋势,即每个时间段的HI曲线可以看成预警级别中的同一等级。在通过对GRU、BP神经网络、ELM、SVM生成的HI曲线进行BUP划分后,可以看出GRU模型生成的曲线阶段预测的准确率达到了94%以上,相对其他模型的分段结果更好。因此可以对GRU神经网络生成的健康指数曲线进行故障等级划分,对集中监测系统中收集的数据进行故障预警。
范家铭[4]（2020）在《基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究》文中研究说明伴随着我国“一带一路”战略铺展开来,高铁已成为我国新“四大名片”之一,其知名度和重要性不亚于古老中国的“四大发明”。截止2019年末,中国已投入运营的高速铁路里程数达到3.5万公里,稳居世界首位。道路千万条,安全第一条,安全性是高铁飞速发展的基石。对关键零部件的健康状态监测,尤为重要。PHM（Prognostics and Health Management）技术可以对高铁在途运行设备进行状态感知、健康监控,并对故障的发生做出预测,从而降低安全风险。本文利用故障预测与健康管理的技术手段,以数据无损压缩技术、数据传输加密技术、故障特征提取方法、信号去噪技术、关键参数优化方法和神经网络方法为理论基础,建立基于PHM技术的高铁车载通信装备健康监测智能分析方法,实现了关键零部件的故障定位及预测。该方法虽然实现了故障快速定位和精准预测,但通常需要高性能计算机来支撑数据的计算和分析,所以本文将高铁运行数据进行实时无损压缩并加密后,通过铁路无线通信网络将数据回传至地面分析服务器,以其高性能计算能力快速、准确地进行故障定位和预测,有效地解决了高铁车载设备不具备高性能计算能力而无法实时处理数据的问题。地面分析服务器对数据进行解密和特征分析高效快捷,利用神经网络算法使故障识别和故障预测的精度及效率都得以保障,为保障高速铁路安全运营提供了重要的技术手段。本文提出的方法已在兰州铁路局项目中得到了应用,并在实际应用中不同程度的降低了运维成本和故障不可复现率,体现出PHM技术在故障诊断和故障预测研究方面的意义和价值。本文的主要研究成果如下:（1）针对高速铁路的安全运行问题,结合了故障预测与健康管理技术理论,提出了一种基于动车组PHM体系架构。该架构对高铁车载通信装备进行了PHM技术理论分析、故障诊断技术分析、预测技术分析、应用分析等技术进行论述,并基于故障预测与健康管理技术为理论基础提出了动车组故障预测与健康管理体系框架,对高铁车载通信装备的健康状态监测和故障预测方面提供重要理论指导。（2）高铁车载装备的网络资源有限,无法满足对监测的车载装备运行信息实时传输至地面服务器,为此提出了一种无损压缩技术与加密技术联合算法。该算法利用铁路既有无线网络基础在低带宽下实现实时传输高铁车载通信装备运行数据,以供地面服务器实时分析车载装备的健康状况和故障预测。该算法以行程长度无损压缩算法为基础进行了改进以降低数据的压缩比率,同时融入Logistic混沌理论和RSA加密算法以及Logistic置乱加密算法,减少网络传输时所占用的网络带宽,提高了网络传输的安全性,为进一步分析设备的健康状态和故障诊断及预测提供基础性保障。（3）故障诊断通常需要对故障特征进行提取并分析,去除数据中混杂的噪声。该部分对接收到的车载装备运行信息展开深入研究,针对高铁车载通信装备在运行中因场强信号而导致的故障问题,提出了一种基于PHM技术的高铁车载通信装备的故障诊断方法。该方法以双树复小波包变换为基础进行算法改进,同时结合了自适应噪声的完备经验模态分解来进行故障噪声的降噪与特征提取,然后利用无监督学习中的密度聚类方法进行自适应改进,并将提取出的特征类型进行特征分类,最后将分类结果输入到极限学习机中进行训练。实验验证了提出的故障诊断方法具有较强的特征提取能力、快速识别故障能力以及高精度的识别率,为设备的故障预测提供良好的支撑。（4）深入分析高铁车载通信装备的实际运行工况中,针对高铁车载通信装备故障发生率较高的原因是由于电池失效导致高铁车载通信装备无法正常工作的问题,提出了一种HA-FOSELM电池失效预测方法。该方法为了降低噪声对预测带来的影响,采用变分模态分解方法进行去噪处理,同时使用含有遗忘机制的在线序列极限学习机算法对去噪后的数据进行学习和训练,该算法支持数据的动态增量更新。为了提高算法的识别精度和降低关键参数对该算法的影响,引入了混合灰狼优化算法对HA-FOSELM方法的关键参数进行自适应优化,同时融合注意力机制,从而有效地提高了预测精度。通过实验验证,本文提出的方法在性能、效率、精度等方面都优于传统的神经网络算法,有效地降低了因电池故障导致列车行驶安全的问题。
韩春雨[5]（2020）在《变压器状态智能诊断系统设计》文中认为基于定期或不定期的人工巡检方法,在变压器状态诊断方面,具有一定的滞后性,无法实现实时采集和诊断。而依靠台账数据的变压器工作状态判定,更多地是带有预防性质的,当变压器某个状态信息接近不正常的临界值,就可以制定相应的修理或防控方案。但是,如果变压器有突发状况出现,这种不实时的方法显然无能为力,这也必然会导致变压器修复之后、故障周期延长、变电站损失加大、终端用户不满意等一系列事件的发生。考虑在变压器工作过程中,就对其部分状态信息进行在线监测,进而结合另外一部分状态信息的台账数据,在智能算法的判定机制之下,实现对变压器状态的诊断,替代传统的定期或不定期的人工巡检方法,具有非常重要的意义。据此,本文开展的主要研究工作如下:首先,分析了TP（Tai Ping）变电站对于变压器状态智能诊断系统的总体需求,进而从用户总体需求出发,分析了系统设计过程中的功能性需求和非功能性需求。其次,以回声状态网络为框架,构建了用于变压器状态智能诊断的核心算法。建立了变压器状态信息到异常程度之间的对应关系。构建了回声状态网络,设计其用于变压器状态诊断的具体步骤,并进行收敛特性分析。再次,对变压器状态智能诊断系统进行了详细设计,采用了C/S形式的体系结构以达成更好的安全性。设计了基于传感器和人工巡检相结合的变压器状态信息采集模块,进而设计了处理这些信息的数据库。在E-R图的设计框架之下,对四大类实体进行属性表格设计。给出了回声状态网络诊断算法的变量、函数和诊断流程。最后,给出了客户端和服务器的实现结果、数据录入和查询的实现结果,进行了变压器状态的诊断实验,给出了回声状态网络模型的训练过程和智能分析过程。
许思宁,王辉,叶慧,李嘉,汤琪[6]（2020）在《政企互联网专线故障自动诊断系统研发》文中研究说明广州联通数据互联网智慧化运维系统是目前在数据网络监控和故障处理领域,最为行之有效的故障自动诊断系统之一。为提升大带宽业务的服务质量和提高网络安全水平,加速IP与IT的融合,提出了打造数据互联网智慧化运维系统。本系统以服务质量、用户感知、支撑效率、智慧运维为核心,率先将SDN&人工智能技术与传统网络维护相融合,针对影响互联网专线业务支撑效率的网络资源管理和影响用户体验的网络设备故障等难点痛点进行建模分析,利用大数据分析技术、IT信息化技术等手段,达到专线业务快速开通、安全事件迅速处置、网络瓶颈智能预警、网络故障自动处理的管控效果,完成对业务支撑、网络安全、故障响应和智能调整四个方面运维能力大幅提升,缩短故障历时,优化用户体验。
周富炖[7]（2019）在《注塑MES制造系统的手机移动端设计与实现》文中指出随着互联网快速发展,工业4.0应运而生并且已经成为21世纪制造业的主体制造模式,数字化车间的制造执行系统（MES）则是工厂贯彻工业4.0战略以及实现车间自主生产的基本技术手段。本文在分析了传统注塑车间缺点的基础上,提出了一种移动端的MES系统设计方案,并且实现了 MES制造系统的移动端开发,本文工作如下:首先,通过系统功能需求分析和系统需求用例图分析,总结出系统的功能模块和不同模块的操作权限,确定使用J2EE开发工具,以SSM框架为后端框架、Apache Shiro为安全框架,综合使用各种插件,选择B/S架构模式搭建MES系统初始框架。其次,根据企业需求使用SQLServer2014构建所需数据库,通过ADO技术实现系统对数据库的访问,同时设计系统所需表格字段以及表格之间的关联关系。系统大部分界面使用Echarts图标插件使数据显示更加直观。通过Visio绘制时序图说明后台数据和前台页面的请求过程,同时详细说明不同界面的使用方法和作用。最后,在windows 10系统中设计开发针对注塑车间的移动端MES系统相关功能模块,主要包括系统安全、用户权限、订单管理、人力监控、物料监控、设备监控、智能分析等功能模块,且通过测试证明了系统的可行性和安全性。所设计系统特点在于智能分析模块能够实现工单合格率分析、设备故障次数分析、机筒温度异常分析;派工模块使用优先级算法实现订单排产并且通过绘制甘特图展示排产结果。综合来说促进了注塑车间自主化生产水平。
潘南西[8]（2019）在《智能变电站就地化保护装置自动测试方案及智能分析应用研究》文中进行了进一步梳理智能变电站是坚强智能电网的重要基础和支撑,是电网运行数据调度采集源头和命令执行单元,是智能电网的重要组成部分。无防护就地化保护装置技术的发展,为智能变电站的发展提供了新思路。当前智能变电站继电保护装置的出厂及现场测试主要是利用数字式继电保护测试仪进行的。根据现场的调试经验,特别是保护的单体调试来看,利用现有的继电保护测试仪进行保护装置的单体调试常常需要调试人员在全站所有保护装置上不断的对各类型保护进行软压板、控制字、定值的设定,以及在继电保护测试仪上进行故障量、故障时间等一系列的修改与设置。由于无防护就地化保护装置物理形式发生了根本变化,现有的测试仪不适用于就地化保护装置的功能校验。对于测试结果,仍需借助有经验的技术员对保护装置动作、告警等信息进行综合分析判断,测试系统对保护动作、告警等信息没有进行有效利用,使得保护测试的自动化及智能化程度较低,调试过程消耗大量的人力和时间。为此,本文结合就地化保护装置的特点,设计了就地化保护检测平台的整体方案。对其中涉及的就地化保护装置的测试功能进行深入分析,在传统测试技术及数字式继电保护测试基础上,开展了就地化保护装置的自动测试方法研究。同时以神经网络算法为基础进行测试结果的智能分析研究。全文主要工作如下:分析了智能变电站的基本概念、通信标准及二次系统架构;讨论了就地化保护装置的概念及其特点,对比就地化保护装置与常规保护装置调试方式的区别;针对就地化保护“保护就地化、采样数字化、信息共享化、元件保护专网化”的特征,从工厂化和便携式两个方向设计了就地化保护装置的测试方案。设计的工厂化测试平台包括仿真计算模块、一次建模模块、二次建模模块以及配置文件模块;运用于现场的便携式就地化保护装置测试平台,具备就地化保护配置管理、一键式测试、回路检测、多种方式接口等功能,可提高就地化保护现场测试效率和丰富测试项目。本文分类详细阐述了上述方案中各模块所应具备的功能。在继电保护测试技术方面,分析了传统测试技术的存在的不足,介绍了一种基于IEC61850标准的测试方法。该方法集成保护测试功能与站控层功能,结合保护测试模型、站控层模型等技术,通过导入SCD文件增强站控层客户端功能、建立保护模型、加入继电保护装置一致性检测等方法,解决了现有技术中继电保护装置测试复杂耗时,而且保护装置标准兼容性不足的问题。在充分利用IEC 61850标准带来的规约统一化、模型文件配置化以及国网公司“六统一”规范等有利条件的基础上,结合上述的一种基于IEC61850标准的测试方法,设计了一种具有自动测试功能、自动给出测试结果的自动化继电保护测试仪。通过实验测试分析,证明了该测试仪的实用性,并根据实验过程的相关情况,提出可进一步增强测试仪智能化能力的方案。为了进一步提升继电保护测试技术的智能化水平,针对自动测试技术中存在的对测试结果欠缺分析的问题,设计了一种基于神经网络模型的继电保护测试仪测试结果智能分析方法。该方法依据继电保护装置的各保护逻辑,从软压板、控制字、定值、采样值等参数中,选取符合当前测试逻辑的参数类型,建立该逻辑测试结果智能分析的数据模板。本文以线路保护为例,根据可能出现的测试结果,将故障类型分为11种,并依此共选取972组数据,通过神经网络训练模型进行数据训练,选取不同误差下的模型进行数据校验。实验结果表明该方法基本可完成对测试结果的智能分析,在一定程度上提升了自动测试技术的智能化水平。
邓嘉明[9]（2013）在《基于故障树的校园网络设备智能诊断系统设计》文中指出为了提高校园网络设备维护效率,加强设备状态监控和优化设备配置,提出了基于故障树的网络设备智能诊断系统的设计思路。着重分析了该系统的功能定位、运行机制和层次结构,阐述了核心模块智能诊断方法的选择和基于故障树的智能分析过程,并以实例说明了故障树生成及应用。对智能诊断系统在高校仪器设备管理中应用有较好的参考作用。
李七鑫[10]（2013）在《山西电网继电保护故障信息系统研究与开发》文中研究说明我国经济发展的不平衡和能源分布的不均衡,使得我国能源政策为“西电东送、南北互供、全国联网”,因此,在大规模西电东送和全国联网的工程中,大电网的运行越来越依赖于对电网收集的各种信息的处理与分析。目前,当电网故障后,特别是大面积故障,调度人员很难仅仅依靠传统SCADA/EMS系统提供的信息数据做出准确的判断。而来自微机保护和故障录波的信息越来越成为事故分析和系统恢复的重要依据。另一方面,智能电网的全面推进,极大地促进了电力系统信息技术和网络技术的进一步发展,同时也要求能对电力系统二次设备进行系统、全面的监控与管理。因此,将微机保护、故障录波器以及其他二次设备自动装置的信息采集、分析与管理融为一体,建立故障信息系统,是当前电网亟需解决的一个问题。本文来源于山西电网建立继电保护故障信息系统的实际工程项目,解决了调度人员故障信息获取不足的问题,提高了故障测距功能的精度,开发出故障信息系统的智能分析、智能地址简拼搜索、双端测距等模块。首先,研究探讨了故障信息系统主站系统、子站系统以及通信系统的结构和应具备的主要功能,分析了故障信息系统主站需要的数据库接口及结构,并结合当前山西电网的设备智能化水平以及继电保护故障信息系统实际应用的情况,简要分析了该系统目前在故障测距和智能分析策略等功能上的不足；其次,以电网故障录波装置波行为基础,讨论了单端测距和集中参数、分布参数下线路故障双端测距的原理及其优缺点,将分布参数下的双端测距原理应用到继电保护故障信息系统的测距功能,并利用山西继电保护故障信息系统主站系统实际统计信息分析对比了双端测距的可行性与准确性；然后,引入先进的专家系统概念,把人工智能与专家知识库有机的结合在一起,应用于继电保护故障信息系统,为电网故障分析做好充分的准备,并依据电网实例,分析智能分析模块主要功能与特点；最后,进行系统开发,完成智能分析模块、智能地址简拼搜索、双端测距的模块等开发工作；实现山西电网故障信息系统主界面图形化管理,实现故障计算功能,并以实际山西电网为对象,进行图形管理、故障计算功能的测试；以实际山西电网历史故障进行回放性测试,并就发现的问题进行除错。
二、SDH网络故障智能分析诊断系统（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、SDH网络故障智能分析诊断系统（论文提纲范文）
（1）基于改进卷积神经网络的电力通信网故障诊断研究（论文提纲范文）
| 0 引言 |
| 1 改进卷积神经网络原理 |
| 1.1 卷积神经网络原理 |
| 1.2 改进卷积神经网络原理 |
| 2 告警数据预处理 |
| 2.1 告警数据清洗及统一 |
| 2.2 告警信息时间同步 |
| 2.3 告警数据加权编码 |
| 2.3.1 告警数据加权 |
| 2.3.2 告警数据编码 |
| 3 基于改进卷积神经网络的电力通信网故障诊断模型 |
| 3.1 诊断模型结构设计 |
| 3.2 故障诊断实现流程 |
| 3.2.1 开发环境搭建 |
| 3.2.2 故障诊断实现流程 |
| 4 算例仿真及分析 |
| 4.1 实验仿真环境介绍 |
| 4.2 告警数据预处理 |
| 4.3 实验仿真结果分析 |
| 5 结束语 |
（2）一种基于录波启动信息的电网故障诊断特征向量中心性方法（论文提纲范文）
| 0 引言 |
| 1 故障启动信息网络信号图建模分析 |
| 1.1 概述 |
| 1.2 节点及节点信号 |
| 1.3 支路及支路权重 |
| 2 基于图信号平滑度的启动信息网络信号图的故障检测 |
| 2.1 图信号平滑度分析原理 |
| 2.1.1 量化图信号的变化 |
| 2.1.2 图信号的全局变化平滑度 |
| 2.2 基于图拉普拉斯二次型S2(f)的故障检测 |
| 2.2.1 分相故障检测 |
| 2.2.2 接地故障检测 |
| 3 基于网络节点特征向量中心性的电网故障元件识别算法 |
| 3.1 特征向量中心性 |
| 3.2 基于节点信号的特征向量中心性方法 |
| 3.3 算例及分析 |
| 3.3.1 故障变化程度检测 |
| 3.3.2 分相的故障中心点识别 |
| 3.3.3 基于零序的故障中心点识别 |
| 4 实际电网故障验证及分析 |
| 4.1 故障变化检测 |
| 4.2 分相的故障中心点识别 |
| 4.3 基于零序的故障中心点识别 |
| 5 结论 |
（3）铁路信号集中监测系统智能分析及预警方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 故障预警技术 |
| 1.2.1 故障预警技术研究现状 |
| 1.2.2 故障预警在集中监测系统中的应用 |
| 1.3 主要研究内容 |
| 2 集中监测系统及时间序列数据预测模型 |
| 2.1 集中监测系统 |
| 2.1.1 集中监测系统结构 |
| 2.1.2 集中监测系统功能 |
| 2.2 时间序列预测模型 |
| 2.2.1 时间序列预测方法 |
| 2.2.2 循环神经网络模型 |
| 2.3 本章总结 |
| 3 数据特征处理方法 |
| 3.1 功率数据特征提取 |
| 3.1.1 时域特征 |
| 3.1.2 EEMD分解 |
| 3.1.3 多尺度模糊熵提取 |
| 3.2 特征平滑 |
| 3.2.1 归一化 |
| 3.2.2 特征平滑 |
| 3.3 特征选择 |
| 3.3.1 特征单调性 |
| 3.3.2 特征相关性 |
| 3.3.3 特征鲁棒性 |
| 3.4 本章小结 |
| 4 基于GRU神经网络的故障预警方法 |
| 4.1 GRU神经网络介绍 |
| 4.2 故障退化指标构建 |
| 4.2.1 设备健康评估指标 |
| 4.2.2 模型构建流程 |
| 4.3 故障预警 |
| 4.3.1 时间序列分割算法 |
| 4.3.2 故障预警结果分析 |
| 4.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（4）基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 目前存在的问题 |
| 1.4 主要研究内容和创新点 |
| 1.5 论文组织结构 |
| 2 关键技术及相关工作 |
| 2.1 引言 |
| 2.2 机车综合无线通信设备工作原理 |
| 2.3 压缩算法 |
| 2.3.1 无损压缩技术 |
| 2.3.2 有损压缩技术 |
| 2.4 加密算法 |
| 2.5 特征提取方法 |
| 2.6 PHM技术 |
| 2.6.1 PHM系统体系结构 |
| 2.6.2 动车组PHM体系结构 |
| 2.6.3 动车组PHM技术架构 |
| 2.6.4 动车组PHM系统功能和目标 |
| 2.6.5 动车组PHM诊断技术 |
| 2.6.6 动车组PHM预测技术 |
| 2.7 小结 |
| 3 基于无损数据压缩及加密联合算法的研究 |
| 3.1 问题提出 |
| 3.2 相关研究 |
| 3.3 SRLE无损压缩算法 |
| 3.3.1 SRLE压缩处理 |
| 3.3.2 SRLE解压处理 |
| 3.4 混合加密算法 |
| 3.4.1 Logistic混沌加密算法 |
| 3.4.2 RSA加密算法 |
| 3.4.3 压缩加密联合算法 |
| 3.5 实验与结论 |
| 3.5.1 压缩性能分析 |
| 3.5.2 安全性能分析 |
| 3.5.3 复杂度及效率分析 |
| 3.6 小结 |
| 4 基于PHM技术的高铁车载通信装备故障诊断 |
| 4.1 问题提出 |
| 4.2 相关研究 |
| 4.3 基于高铁机车综合通信设备中故障诊断的研究 |
| 4.3.1 实验数据集 |
| 4.3.2 特征提取 |
| 4.3.3 无监督聚类 |
| 4.3.4 极限学习机故障识别模型 |
| 4.4 实验与结论 |
| 4.4.1 仿真实验验证 |
| 4.4.2 实测数据集实验验证 |
| 4.5 小结 |
| 5 基于PHM技术的高铁车载通信装备健康状态评估预测 |
| 5.1 问题提出 |
| 5.2 相关研究 |
| 5.3 基于锂电池的剩余使用寿命预测与健康状态监测 |
| 5.3.1 实验数据集 |
| 5.3.2 健康状况和健康指标 |
| 5.3.3 降噪处理 |
| 5.3.4 关键参数优化 |
| 5.3.5 注意力机制 |
| 5.3.6 遗忘机制的在线序列极限学习机 |
| 5.4 实验与结论 |
| 5.4.1 算法训练过程 |
| 5.4.2 在线监测部分 |
| 5.4.3 剩余使用寿命预测部分 |
| 5.5 小结 |
| 6 总结及展望 |
| 6.1 研究总结 |
| 6.2 未来展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）变压器状态智能诊断系统设计（论文提纲范文）
| 摘要 |
| 第1章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力设备故障诊断技术国内外现状 |
| 1.2.2 电力设备故障诊断系统国内外现状 |
| 1.3 本文主要内容与结构安排 |
| 第2章 变压器状态智能诊断系统需求分析 |
| 2.1 智能诊断系统总体分析 |
| 2.1.1 智能诊断系统用户 |
| 2.1.2 智能诊断系统用户需求 |
| 2.2 智能诊断系统功能需求 |
| 2.2.1 系统体系结构 |
| 2.2.2 变压器状态信息采集 |
| 2.2.3 状态信息数据管理 |
| 2.2.4 智能分析与诊断 |
| 2.3 智能诊断系统非功能需求 |
| 2.3.1 系统的易操作性 |
| 2.3.2 系统的简便性 |
| 2.4 本章小结 |
| 第3章 变压器状态智能诊断方法设计 |
| 3.1 变压器状态信息采集处理 |
| 3.1.1 常用的状态信息采集处理 |
| 3.1.2 本文的状态信息采集处理方案 |
| 3.2 变压器状态的故障分类 |
| 3.2.1 造成故障的原因 |
| 3.2.2 故障类型分类 |
| 3.3 故障状态的变量设计 |
| 3.3.1 故障与异常的对应设计 |
| 3.3.2 异常大小的变量设计 |
| 3.4 基于回声状态网络的故障状态诊断方法设计 |
| 3.4.1 诊断方法总体方案 |
| 3.4.2 回声状态网络 |
| 3.4.3 智能诊断步骤 |
| 3.4.4 收敛特性验证 |
| 3.5 本章小结 |
| 第4章 变压器状态智能诊断系统设计 |
| 4.1 状态诊断系统体系结构设计 |
| 4.1.1 C/S类型的体系结构设定 |
| 4.1.2 客户端的功能设计 |
| 4.1.3 服务器端的功能设计 |
| 4.2 状态诊断系统状态采集功能设计 |
| 4.3 状态诊断系统数据处理功能设计 |
| 4.3.1 数据库的总体设计 |
| 4.3.2 数据量表设计 |
| 4.4 状态诊断系统智能诊断功能设计 |
| 4.4.1 智能诊断变量设计 |
| 4.4.2 智能诊断函数设计 |
| 4.4.3 智能诊断流程设计 |
| 4.5 本章小结 |
| 第5章 变压器状态智能诊断系统设计效果展示 |
| 5.1 智能诊断系统的界面结果展示 |
| 5.1.1 客户端界面展示 |
| 5.1.2 服务器端界面展示 |
| 5.2 智能诊断系统的数据库结果展示 |
| 5.2.1 变压器状态信息录入 |
| 5.2.2 变压器状态信息查询 |
| 5.3 智能诊断系统的智能诊断实验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 个人简历 |
| 致谢 |
（6）政企互联网专线故障自动诊断系统研发（论文提纲范文）
| 0 引言 |
| 1 项目目标 |
| 2 项目实施方案 |
| 2.1 总体思路 |
| 2.2 技术方案 |
| 3 结束语 |
（7）注塑MES制造系统的手机移动端设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 MES的概念 |
| 1.3 国内外发展现状 |
| 1.3.1 MES国内发展现状 |
| 1.3.2 MES国外发展现状 |
| 1.4 课题来源、研究目的 |
| 1.4.1 课题来源 |
| 1.4.2 课题研究目的 |
| 1.5 主要内容 |
| 第二章 系统需求分析与相关技术 |
| 2.1 系统需求分析 |
| 2.1.1 系统功能需求分析 |
| 2.1.2 系统需求用例图 |
| 2.2 系统设计原则 |
| 2.3 系统方案设计 |
| 2.3.1 系统的总体架构 |
| 2.3.2 系统的网络拓扑结构 |
| 2.4 开发工具与数据库 |
| 2.4.1 开发环境 |
| 2.4.2 数据库的选择 |
| 2.4.3 系统架构分类和选择 |
| 2.5 软件框架的选择 |
| 2.6 服务器与通讯技术 |
| 2.7 本章小结 |
| 第三章 系统数据库设计 |
| 3.1 数据库表格设计 |
| 3.2 数据来源说明 |
| 3.2.1 注塑车间信息分类 |
| 3.2.2 注塑车间信息采集方式 |
| 3.3 本章小结 |
| 第四章 系统主要功能模块设计与实现 |
| 4.1 系统工程结构 |
| 4.2 系统安全与权限表关系 |
| 4.2.1 系统安全 |
| 4.2.2 系统权限表关系 |
| 4.3 设备管家 |
| 4.4 生产统计 |
| 4.5 资源监控 |
| 4.6 工单详情 |
| 4.7 完工提醒 |
| 4.8 智能分析 |
| 4.8.1 基于高斯分布的机筒温度分析 |
| 4.8.2 基于X-R控制图的机筒稳态温度分析 |
| 4.8.3 基于P控制图的制品合格率分析 |
| 4.8.4 基于C控制图机器故障次数分析 |
| 4.9 订单管理 |
| 4.9.1 添加订单 |
| 4.9.2 基于优先级算法的生产派工 |
| 4.10 设备管理 |
| 4.10.1 设备采购 |
| 4.10.2 设备报修 |
| 4.10.3 设备维护 |
| 4.11 生产线管理 |
| 4.11.1 添加、删除、解除机器、解除员工 |
| 4.11.2 绑定机器、修改工序、绑定员工 |
| 4.12 物料管理 |
| 4.13 本章小结 |
| 第五章 软件测试 |
| 5.1 软件测试目的 |
| 5.2 软件测试类型 |
| 5.3 本系统测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（8）智能变电站就地化保护装置自动测试方案及智能分析应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 智能变电站继电保护自动测试技术研究现状 |
| 1.2.1 变电站的发展 |
| 1.2.2 智能变电站继电保护调试技术的发展现状 |
| 1.3 就地化保护的发展现状 |
| 1.4 本文主要工作 |
| 2 智能变电站就地化保护技术基础知识 |
| 2.1 智能变电站概述 |
| 2.2 智能变电站的通信标准 |
| 2.3 智能变电站的二次系统架构 |
| 2.3.1 智能变电站二次系统三层设备 |
| 2.3.2 智能变电站二次系统通信网络 |
| 2.4 就地化保护 |
| 2.4.1 就地化保护概述 |
| 2.4.2 就地化综合智能设备 |
| 2.5 本章小结 |
| 3 就地化保护装置的自动测试方案设计 |
| 3.1 就地化保护装置的工厂化测试平台方案设计 |
| 3.1.1 工厂化测试整体分析 |
| 3.1.2 工厂化测试平台架构 |
| 3.1.3 工厂化测试平台的外部接口 |
| 3.1.4 工厂化测试平台模块功能的实现 |
| 3.2 就地化保护装置的便携式测试平台方案设计 |
| 3.2.1 便携式测试平台整体分析 |
| 3.2.2 便携式平台架构 |
| 3.2.3 便携式测试平台功能模块 |
| 3.3 一种基于IEC61850 标准的测试方法 |
| 3.3.1 传统继电保护测试技术 |
| 3.3.2 基于IEC61850 标准的自动测试方法 |
| 3.4 智能变电站自动化继电保护测试仪 |
| 3.4.1 测试仪硬件部分结构 |
| 3.4.2 测试仪软件平台结构 |
| 3.4.3 测试仪功能模块 |
| 3.4.4 自动化继电保护测试仪关键技术 |
| 3.5 自动化继电保护测试仪应用实例 |
| 3.6 结果分析 |
| 3.7 本章小结 |
| 4 基于神经网络模型的自动测试结果智能分析应用研究 |
| 4.1 神经网络的基本知识及应用 |
| 4.1.1 神经网络原理 |
| 4.1.2 DNN神经网络 |
| 4.2 线路保护相关参数的选择 |
| 4.2.1 线路保护的一般规定 |
| 4.2.2 线路保护训练样本的可用参数选择 |
| 4.2.3 线路保护测试结果的分类 |
| 4.3 神经网络的模型搭建及其训练流程 |
| 4.4 基于神经网络模型的线路保护测试结果智能分析 |
| 4.4.1 单一保护逻辑的训练结果及分析 |
| 4.4.2 多重保护逻辑的结果及分析 |
| 4.4.3 综合实验结果分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 参考文献 |
| 附录A DNN神经网络训练程序 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
（9）基于故障树的校园网络设备智能诊断系统设计（论文提纲范文）
| 0 引言 |
| 1 智能诊断系统的重要性和功能定位 |
| 2 智能诊断系统的运行机制 |
| 3 智能诊断系统的层次结构 |
| 4 智能诊断系统的核心模块 |
| 4.1 智能诊断方法的选择 |
| 4.2 基于故障树的智能诊断分析过程 |
| (1)训练学习。 |
| (2)故障诊断。 |
| (3)诊断反馈。 |
| 4.3 故障树生成及应用实例 |
| 5 结语 |
（10）山西电网继电保护故障信息系统研究与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题提出的背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.3 山西电网整体情况 |
| 1.4 论文的主要工作 |
| 第二章 故障信息系统功能结构与数据库设计 |
| 2.1 继电保护故障信息系统的分类 |
| 2.2 主站系统的结构与功能 |
| 2.3 子站系统的结构与功能 |
| 2.4 通信系统的结构与功能 |
| 2.5 主站系统数据库设计 |
| 2.6 山西电网继电保护故障信息系统问题分析 |
| 2.7 本章小结 |
| 第三章 继电保护故障信息系统的测距功能 |
| 3.1 单端测距与双端测距的优缺点与可行性比较 |
| 3.2 单端测距原理 |
| 3.3 双端测距原理 |
| 3.3.1 集中参数的故障测距算法 |
| 3.3.2 分布参数的故障测距算法 |
| 3.3.3 双端测距原理数据的同步 |
| 3.4 双端测距原理与继电保护装置测距原理的实例比较 |
| 3.5 本章小结 |
| 第四章 继电保护故障信息系统的智能分析策略 |
| 4.1 遗传算法的理论基础 |
| 4.2 专家系统 |
| 4.3 基于专家知识库的智能分析 |
| 4.4 基于专家知识库的继电保护故障信息系统智能分析典型案例 |
| 4.5 本章小结 |
| 第五章 山西电网继电保护故障信息系统主站软件实现 |
| 5.1 山西电网继电保护故障信息系统简介 |
| 5.1.1 系统概况 |
| 5.1.2 山西电网继电保护故障信息系统的架构 |
| 5.1.3 山西电网继电保护故障信息系统主要功能与软件实现 |
| 5.2 山西电网继电保护故障信息系统主站系统软件的关键技术 |
| 5.2.1 故障信息主站中双端测距的应用 |
| 5.2.2 故障信息主站中线路故障智能分析 |
| 5.2.3 故障信息主站中标准保护装置的数字模型应用 |
| 5.2.4 故障信息主站中实时事件的合并显示 |
| 5.2.5 故障信息主站中地址的简拼搜索应用 |
| 5.2.6 故障信息主站中快捷的切换方式应用 |
| 5.2.7 故障信息主站中跨进程的通讯隔离编解码应用 |
| 第六章 结论 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
| 作者简介 |
四、SDH网络故障智能分析诊断系统（论文参考文献）
- [1]基于改进卷积神经网络的电力通信网故障诊断研究[J]. 郭瑜,童丽娜,倪旭明. 计算机测量与控制, 2022(02)
- [2]一种基于录波启动信息的电网故障诊断特征向量中心性方法[J]. 廖小君,冯先正,张里,王晓茹. 四川电力技术, 2021(06)
- [3]铁路信号集中监测系统智能分析及预警方法研究[D]. 尹航. 兰州交通大学, 2021(02)
- [4]基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究[D]. 范家铭. 北京交通大学, 2020
- [5]变压器状态智能诊断系统设计[D]. 韩春雨. 哈尔滨理工大学, 2020(02)
- [6]政企互联网专线故障自动诊断系统研发[J]. 许思宁,王辉,叶慧,李嘉,汤琪. 电子测试, 2020(08)
- [7]注塑MES制造系统的手机移动端设计与实现[D]. 周富炖. 北京化工大学, 2019(06)
- [8]智能变电站就地化保护装置自动测试方案及智能分析应用研究[D]. 潘南西. 西华大学, 2019(02)
- [9]基于故障树的校园网络设备智能诊断系统设计[J]. 邓嘉明. 实验室研究与探索, 2013(08)
- [10]山西电网继电保护故障信息系统研究与开发[D]. 李七鑫. 华北电力大学, 2013(S2)
标签：继电保护论文; 继电保护装置论文; 变电站综合自动化系统论文; 数据与信息论文; 测试模型论文;