公开(公告)号：CN109242008B

公开(公告)日：2021-10-12

申请号：CN201810974303.1

申请日：2018-08-24

Applicant: 南京工业大学

Inventor： 易辉 ,  刘宇芳 ,  张霞 ,  陈溪 ,  朱浩男

IPC: G06K9/62

Abstract: 本发明提供了一种样本类别不完备条件下的复合故障识别方法，步骤包括：生成故障检测器；生成评价函数；将待测样本送至故障检测器，判断输出结果有无故障；将待测样本分别送至对应的评价函数得到对应指标值；对指标进行综合评价；设定阈值θ诊断结果有无复合故障。本发明的复合故障识别方法分别计算待测样本在故障A、故障B分类器中的高维空间位置，然后预估AB故障同时发生的可能性，进而在无需AB复合故障样本的前提下，实现复合故障的识别。

公开(公告)号：CN108805256A

公开(公告)日：2018-11-13

申请号：CN201810890803.7

申请日：2018-08-07

Applicant: 南京工业大学

Inventor： 易辉 ,  张杰 ,  庄城城 ,  张霞

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

CPC classification number: G06N3/006 ,  G06N3/0472 ,  G06N3/084 ,  G06Q50/06

Abstract: 本发明提供了一种基于布谷鸟算法与BP神经网络的光伏组件故障诊断方法，步骤包括：建立光伏组件的等效电路模型，筛选出代表故障类型的故障数据；初始化BP神经网络和布谷鸟算法的参数；对BPNN的参数进行编码和优化训练，记录当前最优鸟巢的位置；更新当前鸟巢的位置，选择最优的鸟巢位置来替换较差的鸟巢位置；将最优鸟巢的位置的值赋值给BPNN的权值与阈值；设定输入和输出，训练CS算法优化后的BPNN的模型；输入测试样本，计算误差值，直到完成故障数据到故障状态的映射，输出故障类型结果矩阵。该故障诊断方法利用布谷鸟搜索算法优化后的BP神经网络分类算法参数设置简单，计算复杂度低，收敛速度快，诊断的精度高，诊断的结果更直接。

公开(公告)号：CN109242008A

公开(公告)日：2019-01-18

申请号：CN201810974303.1

申请日：2018-08-24

Applicant: 南京工业大学

Inventor： 易辉 ,  刘宇芳 ,  张霞 ,  陈溪 ,  朱浩男

IPC: G06K9/62

Abstract: 本发明提供了一种样本类别不完备条件下的复合故障识别方法，步骤包括：生成故障检测器；生成评价函数；将待测样本送至故障检测器，判断输出结果有无故障；将待测样本分别送至对应的评价函数得到对应指标值；对指标进行综合评价；设定阈值θ诊断结果有无复合故障。本发明的复合故障识别方法分别计算待测样本在故障A、故障B分类器中的高维空间位置，然后预估AB故障同时发生的可能性，进而在无需AB复合故障样本的前提下，实现复合故障的识别。

公开(公告)号：CN108805206A

公开(公告)日：2018-11-13

申请号：CN201810608178.2

申请日：2018-06-13

Applicant: 南京工业大学

Inventor： 易辉 ,  庄城城 ,  张霞 ,  刘宇芳 ,  张杰

IPC: G06K9/62 ,  G01R31/316

CPC classification number: G06K9/6269 ,  G01R31/316

Abstract: 本发明提供了一种用于模拟电路故障分类的改进型LSSVM建立方法，步骤包括：对待测电路施加两种激励信号并分别设置相应的故障模式，在经过多次蒙特卡罗分析后，采集两种激励信号下的输出响应信号分别作为源域辅助数据集和目标域数据集；对两种输出响应信号分别进行小波包分解，提取故障特征，分别构成训练集样本和测试集样本；在最小二乘支持向量机中引入迁移学习算法，组成新的目标域数据集，再构建改进后的LSSVM分类器；利用训练集样本和测试集样本对改进后的LSSVM分类器进行训练和测试。本发明建立的改进型LSSVM能够自适应地选择相应频带，增强了对信号的分析能力，有利于后续分类，在样本数据较少的情况下，分类准确率要高于传统的LSSVM。