杨磊
- 作品数：8 被引量：1H指数：1
- 供职机构：江苏核电有限公司更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电气工程机械工程一般工业技术金属学及工艺更多>>
- 基于改进VMD算法的电机轴承异音识别与定位
- 2022年
- 针对核电站电机异音人工定位成本高、效率低的问题,提出一种基于改进变分模态分解(VMD)的电机轴承异音识别与定位方法。该方法首先根据改进VMD算法对电机声音信号进行分解,计算最佳模式分量的有效值和峭度指标,初步实现电机异音的识别;其次,通过分析声音在空气中的传播特性,利用不同位置测试信号的有效值实现异音源的定位。最后,笔者设计了电机异音定位模拟试验,验证了所提方法的可行性和有效性。
- 杨磊王镜淇李亮高帆于轩唐国运
- 基于LSTM与电气参数的电机状态监测方法
- 2023年
- 针对现有的电机状态监测方法因状态曲线反复穿越报警线,导致状态预警分析准确率低的问题,提出一种长短期记忆网络(LSTM)与工艺参数相结合的状态监测方法。该方法首先采用主成分分析(PCA)对电机正常运行状态的电流、电压信号特征矩阵进行特征降维,再借助LSTM完成状态预测模型构建,基于历史运行数据实现对当前阶段运行待测数据状态值的预测,最终通过对比实测值与预测值的差异度完成电机运行状态的判断。搭建电机故障实验台对提出方法进行验证,实测数据分析结果表明,所提出的方法可有效实现针对电机的状态监测,与振动参数分析的对比结果显示,该方法具备较好的模型稳定性及准确性,有效解决了状态监测模型误报、漏报的问题,实现了对电机运行状态的准确监测。
- 杨磊雷成李亮王镜淇
- 关键词：电机电流电压
- 低压电气设备可靠性分析精细化管理实践
- 2023年
- 为保证低压电气设备的可靠运行,开展精细化管理活动。对低压配电系统进行梳理,从热、负载运行、动作循环等老化因素开展低压配电系统寿命评估,获取低压配电系统设备剩余寿命,并通过收集低压配电系统关键设备历次大修的检测数据,对检测数据进行趋势分析,从而精细化地评估当前低压配电系统的性能。
- 王镜淇吴东方朱梓桢李洪伟杨磊汤炜穆春林
- 关键词：可靠性
- 主泵电机空气冷却器出口温度偏高问题分析及处理被引量：1
- 2015年
- 介绍某核电站#2机组第8次换料大修期间,在对一回路进行动态排气过程中发现其#4主泵电机空气冷却器出口温度偏高的问题,列举了该问题出现后各相关电流、温度的动态监测数据,并详细阐述了故障现象,故障分析、查找和处理过程以及处理后的检查结果。
- 杨磊雷成刘奎李亮李艾择
- 关键词：核电站主泵电机空气冷却器出口温度入口温度
- 一例发电机转子护环拆装问题分析及处理
- 2022年
- 转子护环是发电机转子的主要部件之一,发电机转子的某些缺陷可能需要进行拔护环处理。针对一例利用工频感应加热法对发电机转子护环进行拆卸和套装过程中转子护环无法顺利拆装的问题进行论述,对相应问题及其影响进行分析,并通过对护环拆装工序的梳理,对相关问题提出处理措施,以确保护环的顺利拆装。
- 杨磊李艾择雷成李亮
- 关键词：发电机转子护环
- 核电厂低压电缆老化状态监测指标分析与研究
- 2023年
- 热老化和辐照老化是核电厂安全壳内低压电缆老化的主要影响因素。通过对样本电缆进行热-辐照联合加速老化试验,测量了电缆的多项状态参数,并建立了各项状态参数随时间的变化曲线,最终分析确定,断裂伸长率、压缩模量和氧化诱导期这三项指标可以作为电缆老化状态监测的基准指标。
- 雷成高帆杨磊李亮
- 关键词：断裂伸长率压缩模量氧化诱导期
- 基于高频电流信号的电机故障特征提取方法
- 2024年
- 目前异步电机故障诊断主要依赖于振动、温度和噪声等参数,对于监测的电气信号,主要用于分析电机输出动力情况。电气信号中除了体现电机动力输出特征外,还包含丰富的机械故障、电气故障等信息特征。由于电气信号中的故障特征信号微弱,易被基频分量与噪声湮没而难以突出故障特征,不利于电机状态监测与故障诊断,因此提出了一种基于高频电流信号解调的电机故障特征提取方法,针对采样率不低于25.6 kHz的电机定子高频电流信号,综合运用高通滤波、Hilbert变换、快速傅里叶变换(FFT)3种分析方法,提取高频电流中电机故障的微弱特征信号,应用神经网络算法对电机正常、静态偏心、动态偏心、转子断条、轴承内圈、轴承外圈6种状态进行了诊断。该方法准确提取了电流信号故障特征,并成功识别了6种故障。
- 杨磊郭莉侠王亚东雷成李亮杜宗阳
- 关键词：异步电机故障诊断HILBERT变换神经网络
- 基于ITD-MFCC与卷积神经网络的核电电气设备异音检测技术
- 2023年
- 针对核电设备小样本异音数据集无法训练出高效预测模型难题,提出一种基于ITD-MFCC和卷积神经网络的电气设备异音检测方法。首先,利用固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)强化信号特征,增强特征辨识度;然后,利用梅尔频率倒谱系数(Mel-frequency Cepstral Coefficients,MFCC)提取与人耳听觉特性关联的时频特征,进一步增强异音特征辨识度;最后,融合所提取特征指标,并利用卷积神经网络对融合特征进行训练,建立异响与数据特征映射关系,实现异音检测。试验结果表明:所设计的模型在小样本数据中准确率达到97.63%,相比于现有的支持向量机(Support Vector Machine,SVM)和BP神经网络模型准确率分别提升10.43%和12.86%。
- 杨磊权伟李亮王镜淇高帆于轩
- 关键词：声学卷积神经网络
