-
公开(公告)号:CN109444740A
公开(公告)日:2019-03-08
申请号:CN201811351945.2
申请日:2018-11-14
Applicant: 湖南大学
IPC: G01R31/34
CPC classification number: G01R31/34
Abstract: 本发明公开了一种风电机组的故障状态智能监测与诊断方法,包括以下步骤:利用偏最小二乘法建立风电机组非线性模型;结合极限学习机、混沌映射和萤火虫算法构建故障预测模型;通过深度信念学习结合极限学习机建立DBN-ELM故障诊断模型;通过计算非线性数学模型与预测模型之间的残差对机组进行状态监测,判断风电机组是否发生故障,启动故障诊断模型对故障进行诊断和定位。本发明首先利用偏最小二乘法建立风电机组非线性模型,然后结合极限学习机、混沌映射和萤火虫算法构建故障预测模型,通过二者结合进行故障监测;一旦监测模型发生报警,启动DBN-ELM模型对故障进行诊断和定位,降低了故障监测的复杂度,提高了故障的诊断正确率。
-
公开(公告)号:CN103197231B
公开(公告)日:2014-12-31
申请号:CN201310113586.8
申请日:2013-04-03
Applicant: 湖南大学
IPC: G01R31/316
Abstract: 用于模拟电路故障诊断和预测的FPGA装置,包括FPGA板卡,FPGA板卡采用以太网通信方式和计算机主机相连,上位机软件运行于计算机主机中;FPGA板卡用于完成待测模拟电路的可及节点电压信息和网络频谱特性数据的采集、缓存、预处理、备份,并将原始信号和模拟电路故障信息打包传输至上位机软件;上位机软件用于接收FPGA板卡发送来的数据帧,提供模拟电路故障诊断和预测的界面软件,同时提供原始数据的交付接口,能够无缝的将数据交付给计算机主机的其他分析平台进行后续的处理、分析和备份。本发明对某大规模舰艇模拟电路和RFID滤波网络均进行了测试和诊断,故障诊断的正确率都大于95%,拒识率和误识率均小于3%。
-