-
公开(公告)号：CN115184015A
公开(公告)日：2022-10-14
申请号：CN202210857939.4
申请日：2022-07-20
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明涉及自适应参数高斯卷积核神经网络的滚动轴承故障诊断方法，属于滚动轴承故障诊断类别领域，包括如下步骤：利用加速度计获取旋转设备中滚动轴承的振动信号，进行切片、求包络向量，并制作为数据集；将数据集的样本进行峭度值和平均偏度值计算，设计三种自适应参数的与轴承振动冲击信息特性相关的高斯卷积核；利用获得的三种自适应参数高斯卷积核设计自适应参数高斯卷积层进行特征提取，将得到的三个特征向量进行拼接得到新特征向量；将所获得的新特征向量输入到具有交叉熵损失函数的Softmax分类器中，并建立故障特征和故障类别之间的映射关系来实现故障诊断，提高故障诊断模型的训练效率和分类效果，增强模型的可靠性和可解释性。
-
公开(公告)号：CN115165347A
公开(公告)日：2022-10-11
申请号：CN202210876226.2
申请日：2022-07-25
Applicant: 燕山大学
IPC: G01M13/021 , G01M13/028 , G06F17/13 , G06F17/15 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于微分数据增强的信息交互融合齿轮箱故障诊断方法，属于风电齿轮箱故障诊断技术领域，包括：采集风电齿轮箱中传感器的原始数据；对原始数据分别进行一阶微分和二阶微分操作，得到含有原始数据互补信息的一阶微分和二阶微分数据；将一阶微分数据、二阶微分数据和原始数据在卷积网络进行特征提取后并行输入到信息交互融合模块进行特征交互融合；将获得的多个特征向量在通道维度拼接并通过故障分类模块得到最终诊断结果。本发明使用多种模态数据作为原始数据输入，有效地解决了风电齿轮箱数据采集成本高、特征提取困难等问题，提供了一种原始数据信息增强的途径与信息交互融合方法，极大的提高了风电齿轮箱故障检测的准确性和可靠性。
-
公开(公告)号：CN114358511B
公开(公告)日：2024-11-29
申请号：CN202111508338.4
申请日：2021-12-10
Applicant: 燕山大学
IPC: G06Q10/0639 , G06Q50/06 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464 , G01M13/045
Abstract: 本发明公开了一种融合多源异构监测数据的风电传动系统健康评估方法，属于风力发电机状态监测与健康评估领域，从数据采集与监控系统(SCADA)和振动状态监测系统(CMS)两个复杂多变、多源异构的监测数据体统中提取和挖掘有用信息，准确评估和识别传动系统的健康状态。本发明提供了一种融合多源监测信息的端对端融合网络模型，能够从SCADA和CMS数据中挖掘时空关联特征，并进行重要特征的动态筛选和融合，实现了多源互补特征的高效融合，提高了风电传动系统健康评估的准确性和可靠性。
-
公开(公告)号：CN114358511A
公开(公告)日：2022-04-15
申请号：CN202111508338.4
申请日：2021-12-10
Applicant: 燕山大学
Abstract: 本发明公开了一种融合多源异构监测数据的风电传动系统健康评估方法，属于风力发电机状态监测与健康评估领域，从数据采集与监控系统(SCADA)和振动状态监测系统(CMS)两个复杂多变、多源异构的监测数据体统中提取和挖掘有用信息，准确评估和识别传动系统的健康状态。本发明提供了一种融合多源监测信息的端对端融合网络模型，能够从SCADA和CMS数据中挖掘时空关联特征，并进行重要特征的动态筛选和融合，实现了多源互补特征的高效融合，提高了风电传动系统健康评估的准确性和可靠性。
-
-
-
Search Results
4
records
(took 0.017 seconds)
