基于自适应权重损失函数的风电机组叶片结冰检测方法

    公开(公告)号:CN115270945A

    公开(公告)日:2022-11-01

    申请号:CN202210853322.5

    申请日:2022-07-08

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于自适应权重损失函数的风电机组叶片结冰检测方法,属于风电机组状态检测领域,首先从数据采集与监视控制系统获取叶片结冰数据,删除其中的无效数据将其划分为训练集、验证集和测试集;然后构建基于注意力网络的叶片结冰状态检测模型,设计自适应权重损失函数对检测模型进行训练;在模型训练阶段,将数据集分成多个批次,根据不同批次中的结冰数据个数对其进行分类,以批次所属不同类别为基础,为结冰数据自适应分配权重,提高结冰状态检测模型对于结冰数据的识别率,从而增强检测模型的总体分类性能。与传统损失函数相比,本发明设计的自适应权重损失函数无需设置超参数,具有更好的自适应性,同时也提高了结冰检测的准确性。

    多模态多任务卷积神经网络的齿轮箱故障诊断方法

    公开(公告)号:CN113639993B

    公开(公告)日:2022-06-07

    申请号:CN202110942153.8

    申请日:2021-08-17

    Applicant: 燕山大学

    Abstract: 本发明涉及风力发电机组故障诊断技术领域,多模态多任务卷积神经网络的齿轮箱故障诊断方法,获取齿轮箱的多传感器数据,对数据进行连续小波变换作为预处理;将预处理得到的小波图像并行输入到多个卷积网络中进行特征学习后,获得的多通道特征输入到动态加权模块中进行加权,构成特征空间矩阵;将所获得的的特征空间矩阵输入到多任务模块中进行处理,主任务为分类任务,将所获得的的特征空间矩阵输入到softmax层进行分类,辅助任务为多模态信号典型相关分析,将得到的结果反馈给主任务,提升主任务的分类精度;本发明有效提取并融合了故障特征,并以相关性分析的方法改善了分类的效果,提高了故障诊断和分类的精度和效果。

    一种基于脑电特征迁移学习的驾驶状态检测方法及系统

    公开(公告)号:CN112438741B

    公开(公告)日:2022-02-11

    申请号:CN202011062150.7

    申请日:2020-09-30

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于脑电特征迁移学习的驾驶状态检测方法及系统,包括:采集被试用户的脑电信号,对所述脑电信号进行预处理,提取特征构建第一目标特征集;从多组第一源数据集中筛选疲劳特征集和情绪数据集,组合成第二源特征集;通过第一迁移学习算法进行实例迁移,得到第三源特征集;基于第三源数据集和第一目标数据集使用第二迁移学习算法进行特征迁移学习,得到第四源特征集、第二目标数据集;使用第四源数据集构建多分类判别模型,将第二目标特征集输入多分类判别模型,得到被试用户的驾驶状态结果。本发明在保证准确率的同时减少了样本标注的繁琐工作,大大提高分类识别的鲁棒性和准确性。

    一种风力发电机部件故障预警方法

    公开(公告)号:CN104200396B

    公开(公告)日:2017-08-11

    申请号:CN201410424069.7

    申请日:2014-08-26

    Applicant: 燕山大学

    Abstract: 一种风力发电机部件故障预警方法,其内容是:是调用历史数据库中数据对并行回声状态网络组进行模型训练,并测试每个回声状态网络模型的准确性,将符合要求的模型通过过程统计分析得出各特征参数的标准阈值;通过采集风力发电机各部件的不同信号,经数据预处理模块处理后,在信息融合模块中各特征参数与对应标准阈值比较,并将比较结果和对应的权值结合,给出预警信息,并根据现场维护的实际情况调节各特征参数的权值,监测的实时数据要根据预警信息和现场维护情况。本发明是将多种特征参数的监测结果进行融合分析后,给出风力发电机部件的健康参数,保证预警结果的准确性和可靠性。

    基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统

    公开(公告)号:CN106529421A

    公开(公告)日:2017-03-22

    申请号:CN201610916704.2

    申请日:2016-10-21

    Applicant: 燕山大学

    CPC classification number: G06K9/00523 G06F3/015 G06K9/00536

    Abstract: 本发明公开了一种基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统,包括脑电信号采集部分、脑电信号处理分析部分、疲劳报警及语音控制车载电器部分。脑电信号采集部分采集模拟量脑电信号输出至脑电信号处理部分,脑电信号处理部分对脑电信号进行处理且计算驾驶员疲劳程度并将结果发送至疲劳报警及语音控制车载电器部分,疲劳报警及语音控制车载电器部分根据得到的结果做出相应的报警并发送至电器设备控制模块进行对车载电器设备的控制。本发明针对驾驶员在驾驶过程中产生的疲劳和情绪状况进行检测,消除因驾驶疲劳和“路怒”驾驶带来的安全隐患,降低交通事故的发生率,并能语音控制空调、多媒体、天窗等设备辅助控制,提高驾驶的安全性。

    一种风力发电机部件故障预警方法

    公开(公告)号:CN104200396A

    公开(公告)日:2014-12-10

    申请号:CN201410424069.7

    申请日:2014-08-26

    Applicant: 燕山大学

    Abstract: 一种风力发电机部件故障预警方法,其内容是:是调用历史数据库中数据对并行回声状态网络组进行模型训练,并测试每个回声状态网络模型的准确性,将符合要求的模型通过过程统计分析得出各特征参数的标准阈值;通过采集风力发电机各部件的不同信号,经数据预处理模块处理后,在信息融合模块中各特征参数与对应标准阈值比较,并将比较结果和对应的权值结合,给出预警信息,并根据现场维护的实际情况调节各特征参数的权值,监测的实时数据要根据预警信息和现场维护情况。本发明是将多种特征参数的监测结果进行融合分析后,给出风力发电机部件的健康参数,保证预警结果的准确性和可靠性。

    一种基于深度注意力网络的轴承剩余寿命预测方法

    公开(公告)号:CN113656915B

    公开(公告)日:2023-08-25

    申请号:CN202110955129.8

    申请日:2021-08-19

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于深度注意力网络的轴承剩余寿命预测方法,属于轴承剩余寿命预测技术领域,包括以下步骤:设计并利用小波多尺度频带注意力模块,从原始信号中抽取时频信息,自动对轴承退化敏感频带进行筛选;通过混合膨胀卷积捕获不同频带间的空间特征和单一频带的时序特征;进一步构建特征注意力模块自动选择对轴承寿命预测贡献大的时空特征序列;利用回归层对轴承的剩余寿命进行预测。本发明通过小波多尺度频带注意力模块和混合膨胀卷积注意力网络结合,从包含大量噪声和干扰的原始数据中抽取时频信息并自动学习和选择时空特征,能够提高预测精度和模型鲁棒性,为轴承剩余寿命预测领域提供了新的途径。

    一种高效的分布式风电机组联邦迁移故障诊断方法

    公开(公告)号:CN115481675A

    公开(公告)日:2022-12-16

    申请号:CN202211012318.2

    申请日:2022-08-23

    Applicant: 燕山大学

    Abstract: 本发明涉及一种高效的分布式风电机组联邦迁移故障诊断方法,属于风力发电机组故障诊断技术领域,包括:S1:建立训练集和测试集;S2:构建本地轻量化故障诊断模型;S3:训练本地轻量化故障诊断模型并对齐域分布;S4:上传部分本地更新模型权值到中央服务器;S5:中央服务器将步骤S4上传的部分本地更新模型权值聚合与返回;S6:完成最优轻量化故障诊断模型的训练。本发明通过将不同风电场中不同风电机组分散的数据联合起来进行高效的联邦迁移训练,在解决数据孤岛和数据隐私问题的同时,有效弱化不同机组间的数据非独立同分布现象的负面影响,降低计算和通信成本,加快分布式系统的响应速度,实现风电机组的高效可靠故障诊断。

    一种基于图网络的多机组风功率预测方法

    公开(公告)号:CN115238981A

    公开(公告)日:2022-10-25

    申请号:CN202210840900.1

    申请日:2022-07-18

    Applicant: 燕山大学

    Abstract: 本发明公开了一种基于图网络的多机组风功率预测方法,属于风场风功率预测领域,包括以下步骤:记录风场内所有风机的相对位置,以表征空间分布,利用监督控制和数据采集系统采集风场的监测数据,得到各个机组的功率数据,并进行数据预处理;设计图卷积网络特征提取模块,对于风机的空间位置信息与各个机组的自身特征,进行特征提取,将非欧数据转化为欧式数据;再通过时序特征学习层从融合后的特征向量序列中提取时间特征;最后通过回归层对各个风机的风功率进行预测。本发明通过结合图卷积网络和二维时间系数矩阵,从原始数据中自动选择和提取空间特征与时序特征,能够提高整体的预测精度、预测效率和模型鲁棒性,使电力系统的调度更加安全平稳。

Patent Agency Ranking