机构名称：
¥ 1.0
本文旨在解决UHV转换器设备中故障样本不足的问题，这阻碍了他们的智能操作和检查。用于对UHV转换器设备的操作和检查，本文提出了多模式的学习样品时空相关生成方法。此方法从缺陷失误开发时间序列过程中获取典型的故障样本，并通过融合时间序列演变定律和相邻样品的相似性，使用最近的邻居生成段技术创建样品。基于转换器和转换器阀的物理模型，我们分析了部分放电，高温过热和微动磨损的断层发育定律。通过整合时间序列故障演化机制和多模式状态数量之间的空间相关性，建立了具有嵌入式断层机制的多模式故障样品生成模型。模拟表明，类似大脑的学习会产生嵌入在539列中的转换器部分放电和转换器阀IGBT微动磨损的样品中，包括376个转换器和163个转换器阀案例。生成的样品和实际样品之间的一致性超过90％，从而促进了脑部样模型的培训，以对高压转换器设备的健康评估，故障诊断和趋势预测进行培训。
应用数学和非线性科学
主要关键词
相关文件推荐
