-
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。
-
公开(公告)号：CN103984956B
公开(公告)日：2017-07-18
申请号：CN201410172548.4
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
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点蚀故障进行诊断的方法，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、对图像基元进行特征提取；步骤四、提出一种神经网络聚类—LLE流行学习算法对提取的多维图像特征进行降维；步骤五、通过实验获取风力机叶片正常状态图像基元以及表面点蚀故障图像基元；步骤六、使用训练数据库对故障诊断所用的支持向量机进行训练；步骤七、使用步骤六中训练好的支持向量机对风力发电机叶片基元的表面是否存在点蚀故障进行诊断；步骤八、对所有的叶片基元均进行步骤二、三、四、七的操作，直至完成整片叶片的点蚀诊断。
-
公开(公告)号：CN103984952A
公开(公告)日：2014-08-13
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：CN103982378A
公开(公告)日：2014-08-13
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: F03D11/00
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。
-
Patent Agency Ranking
公开(公告)号：CN106778723B
公开(公告)日：2017-09-26
申请号：CN201611065764.4
申请日：2016-11-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种复杂背景环境中的风力机叶片表面图像提取方法，其包括如下步骤：(1)在风力机每个叶片的迎风面处分别设置方形黑白格标记图，粘贴的位置为平面且与叶片迎风面平行，进而利用标记图的姿态代替叶片姿态；(2)利用摄像头对风力机运行图像进行采集，并将采集到的图像实时传输至工控机中；(3)对摄像头采集到的图像信息进行图像处理以获得叶片表面图像，并根据叶片上的标记图获得风力机叶片信息。本发明可实现对野外环境中运行风力机叶片图像的提取，简化了分析处理过程、加快了分析速度。
-
公开(公告)号：CN104880247B
公开(公告)日：2016-01-20
申请号：CN201510220638.0
申请日：2015-05-04
Applicant: 华中科技大学
IPC: G01H17/00
Abstract: 本发明公开了一种用于旋转机械在线监测系统的组合报警方法，包括如下步骤：从振动参数和振动参数的变化率参数中选择多个参数作为监测目标，依次设定多条报警参数组合；读取数据库中的基础监测数据，获得相应振动参数的监测值和振动参数的变化率；依次从报警规则表中取出报警参数组合，将监测值与对应的触发阈值进行比较，当所有监测值均超出触发阈值，触发本条报警参数组合，并计算整条报警参数组合的报警级别以及连续触发次数；当一条报警参数组合连续触发次数大于连续报警阈值时，则发出声光报警。本发明提高了报警的准确性、报警效率，减少了误报警，并可以得到报警的危险程度，便于现场人员及时处理。
-
公开(公告)号：CN104880247A
公开(公告)日：2015-09-02
申请号：CN201510220638.0
申请日：2015-05-04
Applicant: 华中科技大学
IPC: G01H17/00
Abstract: 本发明公开了一种用于旋转机械在线监测系统的组合报警方法，包括如下步骤：从振动参数和振动参数的变化率参数中选择多个参数作为监测目标，依次设定多条报警参数组合；读取数据库中的基础监测数据，获得相应振动参数的监测值和振动参数的变化率；依次从报警规则表中取出报警参数组合，将监测值与对应的触发阈值进行比较，当所有监测值均超出触发阈值，触发本条报警参数组合，并计算整条报警参数组合的报警级别以及连续触发次数；当一条报警参数组合连续触发次数大于连续报警阈值时，则发出声光报警。本发明提高了报警的准确性、报警效率，减少了误报警，并可以得到报警的危险程度，便于现场人员及时处理。
-
公开(公告)号：CN103984956A
公开(公告)日：2014-08-13
申请号：CN201410172548.4
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
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点蚀故障进行诊断的方法，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、对图像基元进行特征提取；步骤四、提出一种神经网络聚类—LLE流行学习算法对提取的多维图像特征进行降维；步骤五、通过实验获取风力机叶片正常状态图像基元以及表面点蚀故障图像基元；步骤六、使用训练数据库对故障诊断所用的支持向量机进行训练；步骤七、使用步骤六中训练好的支持向量机对风力发电机叶片基元的表面是否存在点蚀故障进行诊断；步骤八、对所有的叶片基元均进行步骤二、三、四、七的操作，直至完成整片叶片的点蚀诊断。
-
公开(公告)号：CN106226074A
公开(公告)日：2016-12-14
申请号：CN201610841544.X
申请日：2016-09-22
Applicant: 华中科技大学
CPC classification number: G01M13/028 , G06N3/04 , G06N3/08
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 0.11 seconds)
