-
公开(公告)号：CN105929746A
公开(公告)日：2016-09-07
申请号：CN201610431846.X
申请日：2016-06-17
Applicant: 国家电投集团河南电力有限公司技术信息中心 , 南京东振测控技术有限公司
IPC: G05B19/042
CPC classification number: G05B19/042
Abstract: 本发明公开了一种多任务就地处理数据采集器，包括核心控制模块、RS232模块、数据输入模块、参数信号模块、通信模块、存储模块、处理模块和采集模块；所述RS232模块、数据输入模块、参数信号模块、通信模块、存储模块、处理模块和采集模块分别与核心控制模块相连；另外还包括电源模块，电源模块给全局各个模块供电。与现有技术相比，本发明的有益效果是：不但能完成目标信号采集，而且能根据参数信号模块的输入切换采集数据的方法，还能与核心控制模块进行通信完成相应的逻辑控制，同时提供了处理模块对采集数据进一步的算法处理来防止原信号远距离传输造成的衰减。
-
公开(公告)号：CN114018571B
公开(公告)日：2024-08-16
申请号：CN202111260198.3
申请日：2021-10-28
Applicant: 国能太仓发电有限公司 , 南京东振测控技术有限公司
IPC: G01M13/021 , G01M13/028 , G06F17/14
Abstract: 本发明涉及一种基于频率诱导变分模态分解的齿轮箱故障诊断方法，首先，通过频率诱导变分模态分解将原始振动信号自适应分解为窄带模态分量：将原始振动信号通过傅里叶转换为频域信号，根据振动信号傅立叶谱的极大值分布估计齿轮箱系统的自振频率，将固有频率的估计值作为各模态分量中心频率的初始化位置，并通过交替乘子法将原始信号自适应分解为本征模态函数(窄带模态分量)；然后，对各窄带模态分量求包络谱，并计算故障特征频率比；选择故障特征频率比最大的窄带模态分量作为有效分量；最后，通过对有效分量的包络分析实现齿轮箱故障的有效识别。本发明诊断精度高、抗噪声能力强、计算复杂性低，能有效应用于与工业现场的齿轮箱故障诊断。
-
公开(公告)号：CN114091525A
公开(公告)日：2022-02-25
申请号：CN202111267045.1
申请日：2021-10-28
Applicant: 国家能源集团宿迁发电有限公司 , 南京东振测控技术有限公司
Abstract: 本发明涉及一种滚动轴承退化趋势预测方法，包括以下步骤：首先，从时域、频域、时频域等多视角提取滚动轴承的特征参数；然后，利用主成分分析对滚动轴承振动信号的多视角特征进行融合以构建退化趋势曲线；最后，通过时间卷积神经网络建立预测模型，对滚动轴承退化趋势曲线预测，实现滚动轴承退化趋势的准确预测。本发明采用嵌入动态卷积的时间卷积网络预测滚动轴承退化趋势合理评估滚动轴承的退化状态，利用主成分分析融合多视角特征，并通过时间卷积网络挖掘信号序列中的关联性信息，提升了特征提取能力，提高了预测模型的准确性。能提前发现滚动轴承退化临界状态，并精确地预测退化趋势。
-
公开(公告)号：CN113269221A
公开(公告)日：2021-08-17
申请号：CN202110209342.4
申请日：2021-02-24
Applicant: 国家能源集团宿迁发电有限公司 , 南京东振测控技术有限公司
IPC: G06K9/62 , G06K9/00 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明公开了一种基于多尺度卷积神经网络的滚动轴承故障诊断方法，该方法包括：通过自适应变分模态分解将原始振动信号分解为本征模态分量；通过能量算子对本征模态分量进行包络解调以计算其包络信号；通过角域重采样和傅立叶变换计算包络信号的包络阶次谱，计算包络阶次谱的包络峭度并选择包络峭度最大的分量作为有效分量，通过多尺度卷积神经网络学习有效分量的包络阶次谱与故障类别间的映射关系，以实现风机滚动轴承健康状态的准确识别，本发明具有识别精度高，样本依赖性小的特点，仅根据单一工况下的历史监测数据训练模型，即可有效应用于变工况下风机滚动轴承的智能故障诊断。
-
公开(公告)号：CN119223629A
公开(公告)日：2024-12-31
申请号：CN202411307484.4
申请日：2024-09-19
Applicant: 国家能源集团科学技术研究院有限公司 , 国能南京电力试验研究有限公司 , 国能常州第二发电有限公司 , 国家能源集团江苏电力有限公司 , 南京东振测控技术有限公司
Inventor： 刘志坦 , 蒋欣军 , 邓艾东 , 王宝华 , 何新荣 , 刘涛 , 戴维葆 , 谭锐 , 张海峰 , 张晋阳 , 吴国兴 , 陈国庆 , 延寒 , 胡耘 , 徐光前 , 范永胜 , 秦宁 , 张航 , 徐珂薇 , 吴炫辰 , 王鹏程
IPC: G01M13/045 , G06F18/2131 , G06F18/10
Abstract: 本发明涉及一种基于非线性模态分解的变转速轴承故障诊断方法，包括：S1、获得变转速下滚动轴承的振动信号，并根据轴承参数计算故障特征阶次；S2、将振动信号进行低通滤波，获得滤波后信号；S3、利用非线性模态分解在滤波后振动信号的低频部分提取非线性模态分量；S4、利用Hilbert方法计算模态分量的瞬时频率；S5、基于瞬时频率，利用角域重采样方法将S1获得的振动信号转化为角域伪平稳信号；S6、对角域伪平稳信号通过包络阶次分析，求出解析信号的模，再对解析信号的模求傅里叶谱，对比傅里叶谱和故障特征阶次，识别故障。本发明提升了强噪声环境下时频分析精度，保证转速信号的准确性，从而提高故障诊断的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113269221B
公开(公告)日：2024-10-15
申请号：CN202110209342.4
申请日：2021-02-24
Applicant: 国家能源集团宿迁发电有限公司 , 南京东振测控技术有限公司
IPC: G06F18/2415 , G06F18/2131 , G06N3/0464 , G06N3/08 , G01M13/045 , G06F123/02
Abstract: 本发明公开了一种基于多尺度卷积神经网络的滚动轴承故障诊断方法，该方法包括：通过自适应变分模态分解将原始振动信号分解为本征模态分量；通过能量算子对本征模态分量进行包络解调以计算其包络信号；通过角域重采样和傅立叶变换计算包络信号的包络阶次谱，计算包络阶次谱的包络峭度并选择包络峭度最大的分量作为有效分量，通过多尺度卷积神经网络学习有效分量的包络阶次谱与故障类别间的映射关系，以实现风机滚动轴承健康状态的准确识别，本发明具有识别精度高，样本依赖性小的特点，仅根据单一工况下的历史监测数据训练模型，即可有效应用于变工况下风机滚动轴承的智能故障诊断。
-
公开(公告)号：CN118549136A
公开(公告)日：2024-08-27
申请号：CN202410653410.X
申请日：2024-05-24
Applicant: 国能河北定州发电有限责任公司 , 国家能源集团新能源技术研究院有限公司 , 南京东振测控技术有限公司
IPC: G01M13/045 , G06F18/214 , G06F18/25
Abstract: 本发明提供一种轴承故障诊断方法、装置和电子设备，属于轴承技术领域。其中方法包括：获取待测轴承的待测振动信号；通过连续小波变换对待测振动信号进行时频域分析，得到小波时频图；将小波时频图输入轴承故障诊断模型，得到轴承故障诊断模型输出的轴承故障诊断结果；其中，轴承故障诊断模型是基于待测轴承处于同一故障状态的不同运行工况的多个样本振动信号，以及每个样本振动信号对应的状态标签训练得到；轴承故障诊断模型是稠密连接网络基于多尺度特征融合以及注意力机制改进得到的。本发明用以解决针对单一工况下提取的特征难以实现另一个工况下的故障诊断问题，导致变工况下轴承故障诊断的准确率较低的缺陷。
-
公开(公告)号：CN118794689A
公开(公告)日：2024-10-18
申请号：CN202411000603.1
申请日：2024-07-25
Applicant: 国能常州第二发电有限公司 , 国家能源集团江苏电力有限公司 , 国家能源集团科学技术研究院有限公司 , 国能南京电力试验研究有限公司 , 南京东振测控技术有限公司
Inventor： 彭兵仿 , 王安 , 范永胜 , 王宝华 , 刘志坦 , 张晋阳 , 张海峰 , 吴国兴 , 戴维葆 , 徐卫 , 胡军 , 徐坷薇 , 延寒 , 吴炫辰 , 贾磊 , 何新荣 , 邓艾东 , 朱静 , 孙雪丽 , 殷戈 , 郭嘉 , 邵峰
IPC: G01M13/045 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于深度卷积神经网络的滚动轴承故障诊断方法，首先获取样本数据，得到训练数据集和测试数据集，训练数据集输入滚动轴承故障诊断模型进行训练，故障诊断模型的第一宽卷积核层具有扩张卷积核，实现了更大的感受野，能有效提取特征信号并抑制高频噪声；相关通道注意力机制模块为每个特征通道分配不同的权重系数，通过将不同的权重系数乘以特征通道的响应值，实现对不同特征通道的加权融合；Nesterov动量方法自适应对整个卷积神经网络的参数进行优化，提升深度学习模型的分类性能。最终将测试数据集输入训练完成的故障诊断模型，输出得到甄别后的测试数据集的轴承状态类别，即完成滚动轴承故障诊断。
-
公开(公告)号：CN109340060A
公开(公告)日：2019-02-15
申请号：CN201811383450.8
申请日：2018-11-20
Applicant: 深能南京能源控股有限公司 , 南京东振测控技术有限公司
Abstract: 本发明公开一种基于模态叠加法的风电机组塔架振动状态计算方法，首先建立塔架的有限元模型，然后通过有限元法计算得到塔架的截断模态矩阵并根据监测点处的实时振动值计算得到塔架的振动主坐标向量，最后通过模态叠加法计算得到整个塔架的实时振动状态。此种方法可以根据塔架有限个振动测点的实时振动值快速计算得到整个塔架的振动状态，具有计算精度高，计算速度快的特点，能满足实时在线计算的要求。
-
公开(公告)号：CN109543287B
公开(公告)日：2023-04-07
申请号：CN201811383462.0
申请日：2018-11-20
Applicant: 深能南京能源控股有限公司 , 南京东振测控技术有限公司
IPC: G06F30/17 , G06F30/27 , G06N3/126 , G06F119/14
Abstract: 本发明公开一种基于遗传算法的风电机组基础尺寸优化方法，包括如下步骤：步骤1，确定编码规则、变量目标函数及约束条件；步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数Mmax、交叉变异概率；步骤3，将塔架基础的受力性能、变形量、稳定性作为约束条件，将遗传算法的目标函数定为塔架基础原材料的造价，计算个体的适应度值；步骤4，采用轮盘赌机制选择和保留最优个体，并进行交叉、变异和倒位组成新的个体，形成一代新种群；步骤5，重复步骤3～4，将最大适应度值所对应的参数作为最后优化结果。此种方法可在保证工程要求的情况下，降低塔架基础的原材料造价。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.092 seconds)
