-
公开(公告)号：CN111723658B
公开(公告)日：2022-06-10
申请号：CN202010401002.7
申请日：2020-05-13
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 华中科技大学
Abstract: 本发明公开了一种基于卷积神经网络的旋转机械故障征兆识别方法，包括以下步骤：（1）采集旋转机械的轴心对的振动信号；（2）对采集到的轴心对的振动信号进行傅里叶变换，获得振动信号的频域信息矩阵；对采集到的轴心对的两个振动信号进行组合，获得振动信号的时域信息矩阵；（3）按照预先训练过的卷积神经网络模型的输入形式，对频域信息矩阵和时域信息矩阵进行预处理，得到振动综合信息矩阵；（4）将振动综合信息矩阵输入到所述卷积神经网络模型，所述卷积神经网络模型对接收到的振动综合信息矩阵进行诊断分析，得到旋转机械的故障征兆结果。采用本发明的方法，可以得到旋转机械的故障征兆，辅助实现旋转机械故障的实时智能诊断。
-
公开(公告)号：CN112082720A
公开(公告)日：2020-12-15
申请号：CN202010919626.8
申请日：2020-09-04
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 华中科技大学
IPC: G01M7/02
Abstract: 本发明公开了一种固定转速旋转机械振动故障早期预警值确定方法，利用正常振动原始数据，通过傅里叶变换得到系列振动分量（幅值、相位），将各振动分量的振动幅值和相位结合成矢量，通过矩运算来自动确定安全区域。因此，该方法能够将振动监测变成各倍频和特征频率下矢量的概念，从而更加全面的监测设备状态，为设备预测性维修提供可靠依据。
-
公开(公告)号：CN111723658A
公开(公告)日：2020-09-29
申请号：CN202010401002.7
申请日：2020-05-13
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 华中科技大学
Abstract: 本发明公开了一种基于卷积神经网络的旋转机械故障征兆识别方法，包括以下步骤：（1）采集旋转机械的轴心对的振动信号；（2）对采集到的轴心对的振动信号进行傅里叶变换，获得振动信号的频域信息矩阵；对采集到的轴心对的两个振动信号进行组合，获得振动信号的时域信息矩阵；（3）按照预先训练过的卷积神经网络模型的输入形式，对频域信息矩阵和时域信息矩阵进行预处理，得到振动综合信息矩阵；（4）将振动综合信息矩阵输入到所述卷积神经网络模型，所述卷积神经网络模型对接收到的振动综合信息矩阵进行诊断分析，得到旋转机械的故障征兆结果。采用本发明的方法，可以得到旋转机械的故障征兆，辅助实现旋转机械故障的实时智能诊断。
-
公开(公告)号：CN104504200B
公开(公告)日：2018-04-24
申请号：CN201410808646.2
申请日：2014-12-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于旋转机械在线振动监测的趋势曲线图显示方法，包括以下步骤：1)选择数据时间段及振动指标；2)读取数据库中的基础监测数据；3)选定绘图策略：将基础监测数据按点集密度绘图或按统计策略绘图；4)分坐标系绘制趋势曲线图。本发明通过选择数据时间段及振动指标，获取基础监测数据，选定绘图策略，并按照绘图策略处理数据，将处理所得分区域绘制趋势曲线图。本发明在趋势曲线图生成过程中，增加了数据处理，包括数据筛选和运算，使趋势曲线图更加直观、明确；再显示过程中分区域显示，便于进行数据对比。
-
公开(公告)号：CN105894133B
公开(公告)日：2017-04-26
申请号：CN201610312605.3
申请日：2016-05-12
Applicant: 华中科技大学
IPC: G06F19/00
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种风电机组部件维修及备品备件需求预测方法。本发明公开的方法包括获取部件可靠度函数、设置部件维修参数、确定检测维修措施、部件运行寿命计算和备品备件需求预测五大步骤。其中，设置部件维修参数采用周期性预防维修方式，并考虑随机故障的影响；维修措施包括更换维修、不完全维修和最小维修，并以部件可靠度作为维修决策阈值。本发明提供的维修方法可以真实的反映部件实际运行维修情况，并可根据风电场情况作出应对调整，具有较强的可操作性和灵活性；本发明还可预测风电场备品备件需求，从而对风电场的实际运行和资源管理提供指导。
-
Patent Agency Ranking
公开(公告)号：CN103982378B
公开(公告)日：2017-01-11
申请号：CN201410171787.8
申请日：2014-04-25
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
IPC: F03D80/40
CPC classification number: Y02E10/722
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面结冰故障进行诊断的方法，包括如下步骤：步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面结冰故障诊断。该方法诊断精度高。
-
公开(公告)号：CN105894133A
公开(公告)日：2016-08-24
申请号：CN201610312605.3
申请日：2016-05-12
Applicant: 华中科技大学
CPC classification number: Y04S10/54 , G06Q10/04 , G06Q10/06375 , G06Q50/06
Abstract: 本发明公开了一种风电机组部件维修及备品备件需求预测方法。本发明公开的方法包括获取部件可靠度函数、设置部件维修参数、确定检测维修措施、部件运行寿命计算和备品备件需求预测五大步骤。其中，设置部件维修参数采用周期性预防维修方式，并考虑随机故障的影响；维修措施包括更换维修、不完全维修和最小维修，并以部件可靠度作为维修决策阈值。本发明提供的维修方法可以真实的反映部件实际运行维修情况，并可根据风电场情况作出应对调整，具有较强的可操作性和灵活性；本发明还可预测风电场备品备件需求，从而对风电场的实际运行和资源管理提供指导。
-
公开(公告)号：CN104504200A
公开(公告)日：2015-04-08
申请号：CN201410808646.2
申请日：2014-12-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于旋转机械在线振动监测的趋势曲线图显示方法，包括以下步骤：1)选择数据时间段及振动指标；2)读取数据库中的基础监测数据；3)选定绘图策略：将基础监测数据按点集密度绘图或按统计策略绘图；4)分坐标系绘制趋势曲线图。本发明通过选择数据时间段及振动指标，获取基础监测数据，选定绘图策略，并按照绘图策略处理数据，将处理所得分区域绘制趋势曲线图。本发明在趋势曲线图生成过程中，增加了数据处理，包括数据筛选和运算，使趋势曲线图更加直观、明确；再显示过程中分区域显示，便于进行数据对比。
-
公开(公告)号：CN103984952B
公开(公告)日：2017-09-22
申请号：CN201410157662.X
申请日：2014-04-18
Applicant: 广东电网公司电力科学研究院 , 华中科技大学
Abstract: 本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面裂纹故障进行诊断的方法，该方法包括步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对步骤二获得的叶片基元结果图像进行二次划分成图像基元，并对基元结果图像进行特征提取；步骤四、对故障诊断所用的支持向量机进行训练；步骤五、使用训练好的支持向量机对风力发电机叶片基元的表面故障种类进行诊断；步骤六、对所有的叶片基元均进行步骤二、三、五的操作，直至完成整片叶片的表面故障诊断。该方法诊断精度高。
-
公开(公告)号：CN106226074B
公开(公告)日：2017-08-01
申请号：CN201610841544.X
申请日：2016-09-22
Applicant: 华中科技大学
IPC: G01M13/02
Abstract: 本发明公开了一种基于卷积神经网络和小波灰度图的旋转机械故障诊断方法，其包括以下步骤：(1)将振动位移传感器及振动速度传感器设置在旋转机械上，利用所述振动位移传感器及所述振动速度传感器采集所述旋转机械的振动信号；(2)对采集到的所述振动信号进行多尺度小波分解，以得到小波灰度图；(3)按照预先训练过的卷积神经网络的输入形式，对所述小波灰度图进行预处理；(4)将预处理后的所述小波灰度图输入到所述卷积神经网络，所述卷积神经网络对接收到的所述小波灰度图进行分析诊断，以得到所述旋转机械的故障诊断结果。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.109 seconds)
