南京航空航天大学主页平台管理系统 cj--Home-- Fault detection of aircraft generator rotating rectifier based on SAE and SVDD method

Paper Publications

Fault detection of aircraft generator rotating rectifier based on SAE and SVDD method

Hits:

Affiliation of Author(s):自动化学院

Journal:2017 PROGNOSTICS AND SYSTEM HEALTH MANAGEMENT CONFERENCE (PHM-HARBIN)

Key Words:brushless ac synchronous generator rotating rectifier fault detection stacked auto-encoder support vector domain description

Abstract:This paper presents a method of fault detection based on the stacked auto-encoder (SAE) and support vector data description (SVDD) for rotating rectifier of brushless ac synchronous generator. The rotating rectifier (RR) is a key component of synchronous generator, and its health state needs to be monitored to ensure the safety of the generator. The method is composed of three steps. In the first step, the health information of RR needs to be collected and preprocessed. In this study, the exciter generator field current is selected as the information source. Fast Fourier Transform (FFT) is firstly used to extract frequency components in this step, and the data information can be compressed this way. Second, the frequency information is input to a SAE, which is trained with some iterations to extract health features. Third, a pre-designed one-class classifier is employed to perform fault detection with the features. The SVDD is selected as the one-class classifier, and in this classifier, the Euclidean distance is chosen as the classification standard in this classifier because this method is direct and simple. The experiment is conducted with a 7KW three-stage synchronous generator test rig, and three load conditions (zero load, 1.5KW load and 3KW load) are considered. The results of experiment demonstrate that the presented method is valid and the fault occurrence can be detected.

ISSN No.:2166-5656

Translation or Not:no

Date of Publication:2017-01-01

Co-author:Shi, Ge,Zhang Zhuoran

Correspondence Author:cj

Pre One:Fast Fault Classification Method Research of Aircraft Generator Rotating Rectifier Based on Extreme Learning Machine

Next One:A FAST CLASSIFICATION METHOD OF FAULTS IN POWER ELECTRONIC CIRCUITS BASED ON SUPPORT VECTOR MACHINES

Profile

以下信息由研究生系统导入，请酌情修改完善

2000年毕业于青岛大学工业自动化专业，2003年硕士研究生毕业于南京航空航天大学自动化学院电力电子与电力传动专业，2011年毕业于南京航空航天大学自动化学院测试计量技术及仪器专业，获工学博士学位。

主讲本科生《计算机硬件技术基础》、《DSP实用技术》和研究生公共实验课程《DSP技术应用》、《Matlab仿真技术与应用》等课程。先后获2004年江苏省教学成果一等奖，2005年国家级教学成果二等奖（排名6）等。

担任教育部学位中心论文评审专家；IEEE Trans. I&M，IEEE Trans. IE，IJE，Measurement，JMST等国际SCIE期刊审稿人，担任航空学报（中、英文版）、电工技术学报、中国电机工程学报、电子学报等国内EI期刊、SCIE的审稿人；曾担任无锡市、南京市、扬州市等企业科技项目的评审专家。

2012年~2013年江阴市云亭街道挂职党委副书记（第五批江苏省科技镇长团团员）。

研究方向：

学科研究方向一：测试计量技术及仪器

测试计量技术及仪器、电子系统健康监测与管理、智能信息处理等。

学科研究方向二：精密仪器及机械

测试计量技术及仪器、电子系统健康监测与管理、智能信息处理等。

发表学术论文,出版专著情况：

共发表期刊论文60余篇：

1. 崔江, 王友仁, 刘权. 基于高阶谱与支持向量机的电力电子电路故障诊断技术[J]. 中国电机工程学报, 2007, 27(10): 62-66 （EI收录）

2. 崔江, 王友仁. 一种云样本的控制产生及在电路故障诊断中的应用[J]. 控制理论与应用, 2008.6, 25(3): 556-559 （EI收录）

3. 崔江, 王友仁. 模拟电路故障的一种聚类二叉树支持向量机诊断新方法[J]. 仪器仪表学报, 2008.10, 29(10): 2047-2051 （EI收录）

4. 崔江，王友仁. 基于模糊推理的分类器融合方法诊断电力电子电路参数故障[J]. 中国电机工程学报, 2009.06, 29(18):54-59 （EI收录）

5. 崔江，王友仁. 基于支持向量机与最近邻分类器的模拟电路故障诊断新策略[J]. 仪器仪表学报, 20010.01, 31(1): 45-50 （EI收录）

6. 崔江，王友仁. 兼顾后续分类器的小波特征选择及在模拟电路故障诊断中的应用[J]. 仪器仪表学报, 2010, 31(11): 2508-2514（EI收录）

7. Jiang Cui, Youren Wang. A Novel Approach of Analog Fault Classification using a Support Vector Machines Classifier[J]. Metrology and Measurement systems, 2010，XVII(4): 561-582（SCI收录；EI收录）

8. Jiang Cui, Youren Wang. A Novel Approach of Analog Circuit Fault Diagnosis Using Support Vector Machines Classifier[J]. Measurement, 2011, 44(1): 281-289 （SCI收录；EI收录）

9. Jiang Cui, Youren Wang. Analog circuit fault classification using improved one-against-one support vector machines [J]. Metrology and Measurement systems, 2011，XVIII(4): 569-582（SCI收录；EI收录）

10. 崔江，王友仁. 一种新颖的基于混合故障字典方法的模拟故障诊断策略[J]. 电工技术学报, 2013.4, 28(4): 272-278（EI收录）

...

15. 崔江，王强，龚春英. 结合小波与Concordia变换的逆变器功率管故障诊断技术研究[J]. 中国电机工程学报, 201506, 35(12): 3110-3116（EI收录）

16. Jiang Cui. Faults classification of power electronic circuits based on a support vector data description method[J]. Metrology and Measurement Systems, 2015, Vol. XXII (2): 205-220. （SCIE、EI收录）

...

17、2016年和2017年发表期刊论文和会议论文共8篇；

18、2018年和2019年发表期刊论文4篇；

19、2020年发表期刊论文3篇（2篇重核）；

20、2021年发表期刊论文3篇（SCIE1篇）；

科研成果获奖及专利：

获得江苏省科技进步二等奖（排名5）、三等奖（排名6）各一项；申请发明专利10余项（已授权5项，公开7项）; 软著2项。

承担的科研项目情况：

参与国防重大基础研究项目1项、国家自然科学基金重点项目1项，承担航空科学基金项目、基本科研业务费、企业合作课题等共多项。

研究生的课题（包括科研中的实验平台设计）既涉及软件，也涉及硬件；既涉及算法，也涉及普通的测控技术。目前主要侧重于基于机器学习与神经网络的航空发电机健康监测等关键技术方面的研究和应用。

指导研究生情况：

现指导6名研究生，已毕业十余名，毕业去向：研究所，国家电网，各类企事业单位，主要从事电子系统的研发、设计和监测等。

备注：

科研成果的获取要靠努力、认真和仔细，鼓励和老师多交流，大家共同学习，共同提高。欢迎有创新思想、锐意进取和充满科研活力的同学报考，拒绝混日子、混文凭、混毕业的现象。

Recommended MA Supervisor