自取力供电系统是目前我国军队任务的一种新型供电装备,主要用于军队作训、抢险等野外无市电供给的场合。一旦供电系统发生异常和故障,不仅会降低部队战斗力,甚至造成极大的损失。因此,在故障萌芽阶段,若能及时进行异常诊断和故障预测,无疑能提高设备的安全性和可靠性。本文以我国自主研发的某型号自取力供电系统为研究对象,基于已有的自取力供电系统仿真平台,通过对定子匝间短路和转子断条两类异常工况进行分析模拟,围绕异常诊断、故障预测与智能维护,主要展开了以下三个方面的研究工作:1)针对自取力供电系统的异常诊断率偏低的问题,提出一种最大信息系数法与改进型灰狼优化-支持向量机算法相结合的异常诊断方法。首先,基于最大信息系数法对自取力供电系统中的状态监测数据进行异常特征集的优化选择;其次,通过将灰狼优化算法中控制参数的优化以非线性替换线性进行改进。使其同时兼顾全局和局部搜索能力进而用于优化支持向量机参数的优化,并结合自取力供电系统给出异常诊断算法。最后,以定子匝间短路和转子断条两类异常工况为例,通过仿真实验对改进前后的算法进行对比,结果表明文中提出的方法对自取力供电系统中的异常诊断具有更高的准确率与召回率。2)针对自取力供电系统这类结构复杂的新型供电装备进行故障趋势预测,提出一种基于时间卷积网络的自取力供电系统故障预测方法。首先,基于最大信息系数法和时序数据分析的角度入手,筛选出具有明显退化趋势的特征;其次,通过多特征融合手段表征该工况的故障状态,利用时间卷积网络模型准确预测了系统的故障状态趋势,并与长短期记忆网络模型进行了预测效果对比,证明了时间卷积网络预测效果的优越性;最后,通过故障判别准确识别定子匝间短路和转子断条两类故障类型,表明了该方法故障预测的准确性。3)基于1)和2)的研究工作,虽然针对自取力供电系统研究了相关异常诊断与故障预测的算法,但尚缺乏具体的系统载体,需要将其功能以应用的形式呈现给用户。根据对自取力供电系统的需求分析,进而采用MATLAB GUI设计自取力供电智能维护软件,主要包括:登录管理、实时监测和数据查看、异常诊断和故障预测等功能,通过直观图形显示辅助用户了解自取力供电系统的运行状况和异常、故障的发生情况,进而挖掘有效信息,为用户的判断和决策提供有利依据。