公开(公告)号：CN109139390B

公开(公告)日：2020-03-13

申请号：CN201811127368.9

申请日：2018-09-27

Applicant: 河北工业大学

Inventor： 张家安 ,  王宇星 ,  李志军 ,  王华君

IPC: G06F30/17 ,  F03D17/00

Abstract: 本发明公开了一种基于声信号特征库的风机桨叶故障识别方法，包括以下步骤：步骤1、采集一个风场所有风机正常运行时各自桨叶发出的声音信号，利用梅尔频率倒谱系数法将各台风机桨叶的声信号转化为待测样本的特征矩阵；步骤2、求取各待测样本的特征矩阵分别与正常状态特征库中对应位置的参考样本的特征矩阵的相关系数ρ1，并设定ρ1的初始阀值a，以此为判据判断所测样本是否故障；步骤3、待测样本经过步骤2判断是否故障，故障类型通过故障类型特征库来识别。通过计算待测样本与正常状态特征库、故障类型特征库中对应参考样本的相关系数的大小来判断是否故障，并指示故障的类型，并对相关系数的阀值不断修正，提高叶片故障检测的准确性。

公开(公告)号：CN109636009A

公开(公告)日：2019-04-16

申请号：CN201811398825.8

申请日：2018-11-22

Applicant: 中国电力科学研究院有限公司 ,  国家电网有限公司 ,  河北工业大学 ,  国网江苏省电力有限公司 ,  国网江苏省电力有限公司电力科学研究院

Inventor： 刘丽平 ,  白江红 ,  江木 ,  张家安 ,  王宇星 ,  孙云超 ,  周前 ,  周琪 ,  岑炳成

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04

CPC classification number: G06Q10/04 ,  G06N3/0454 ,  G06Q10/06393 ,  G06Q50/06

Abstract: 本发明提供一种建立确定电网线损的神经网络模型的方法和系统。所述方法和系统针对线损建模输入的优化问题，提出采用互信息原理方法辨识出影响线损的主要因素的强弱程度，然后基于采集的线损和影响因素的样本集中的训练集将所述影响因素分组依次代入训练神经网络模型，确定若干个神经网络模型，并利用样本集中的测试集确定每个神经网络模型的评价指标，再对所述评价指标分组计算评价指标平均值以确定作为最优神经网络模型的输入的影响因素，从而提高所建神经网络模型预测线损的准确性。