-
公开(公告)号：CN119556128A
公开(公告)日：2025-03-04
申请号：CN202510117873.9
申请日：2025-01-24
Applicant: 山东大学
IPC: G01R31/327 , G06F18/2431 , G06F18/2131 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/77 , G06V10/764 , G06N3/0464 , G01M13/00 , G06F123/02
Abstract: 一种基于轻量化YOLO11的有载分接开关故障诊断方法，用于解决传统有载分接开关机械故障诊断效率低的问题。包括以下步骤：通过连续小波变换CWT将电机启动阶段和切换开关动作阶段的振动信号转换为高分辨率的时频图像，以全面反映信号的时间和频率特性；采用StarNet替代YOLO模型主干网络，通过星型运算在保持网络紧凑性的同时增强特征提取能力；设计高效联合卷积检测头EJCD，通过分组归一化和卷积参数共享实现模型轻量化和多尺度目标检测。本发明通过结合连续小波变换的时频图像表征能力与深度学习的高效目标检测框架，不仅克服了传统方法在非平稳信号处理中的局限性，还显著提升了诊断效率和模型性能。
-
公开(公告)号：CN119556128B
公开(公告)日：2025-04-11
申请号：CN202510117873.9
申请日：2025-01-24
Applicant: 山东大学
IPC: G01R31/327 , G06F18/2431 , G06F18/2131 , G06V10/82 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/77 , G06V10/764 , G06N3/0464 , G01M13/00 , G06F123/02
Abstract: 一种基于轻量化YOLO11的有载分接开关故障诊断方法，用于解决传统有载分接开关机械故障诊断效率低的问题。包括以下步骤：通过连续小波变换CWT将电机启动阶段和切换开关动作阶段的振动信号转换为高分辨率的时频图像，以全面反映信号的时间和频率特性；采用StarNet替代YOLO模型主干网络，通过星型运算在保持网络紧凑性的同时增强特征提取能力；设计高效联合卷积检测头EJCD，通过分组归一化和卷积参数共享实现模型轻量化和多尺度目标检测。本发明通过结合连续小波变换的时频图像表征能力与深度学习的高效目标检测框架，不仅克服了传统方法在非平稳信号处理中的局限性，还显著提升了诊断效率和模型性能。
-
公开(公告)号：CN119004351A
公开(公告)日：2024-11-22
申请号：CN202411483019.6
申请日：2024-10-23
Applicant: 山东大学
IPC: G06F18/2433 , G06F18/2431 , G06F18/2131 , G06F17/18 , G06F18/2415 , G06N20/00
Abstract: 一种基于相空间重构理论的有载分接开关故障诊断方法，有载分接开关故障诊断技术领域，用于解决小波分析以及模态分解法侧重于时域或频域特征，缺乏对信号的整体空间特性和复杂结构的深入分析，使得其在面对复杂的故障模式时的识别能力受到限制的问题。本发明针对KM型油浸式在线变压器分接开关OLTC的故障诊断与识别问题，采用了振动信号分析、特征提取及机器学习技术，提出了一种有效的故障分类方法，提升设备的可靠性与运行效率。选择CatBoost作为故障分类模型，利用贝叶斯优化对超参数进行了系统调整，获得最佳的超参数配置。这一过程显著提高了模型的分类准确率，增强了其鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119760324A
公开(公告)日：2025-04-04
申请号：CN202510255970.4
申请日：2025-03-05
Applicant: 山东大学
IPC: G06F18/10 , G06F18/214 , G06F18/2433 , G06N3/044 , G06N3/048 , G06F123/02
Abstract: 基于改进BiGRU网络的变压器油中溶解气体预测方法，用于解决现有异常数据识别存在的预测精度低的问题。本发明首先采用SDROF对变压器油中气体含量的原始数据进行异常值识别。随后，对预处理后的气体含量数据应用VMD算法，并结合BKA精确调优调整参数α与模态数量M，以获取一组内在模态函数IMF分量。与此同时，基于BKA进一步优化预测模型中的预测窗口长度与过渡点，对处理后的数据集进行训练集、测试集与验证集的划分，并基于MAML与BiGRU构建预测模型，对各分解后的IMF分量进行预测，最终通过重构得到完整的预测时间序列。本发明可实现对变压器油中气体异常数据的精准预测。
-
公开(公告)号：CN119004351B
公开(公告)日：2024-12-27
申请号：CN202411483019.6
申请日：2024-10-23
Applicant: 山东大学
IPC: G06F18/2433 , G06F18/2431 , G06F18/2131 , G06F17/18 , G06F18/2415 , G06N20/00
Abstract: 一种基于相空间重构理论的有载分接开关故障诊断方法，有载分接开关故障诊断技术领域，用于解决小波分析以及模态分解法侧重于时域或频域特征，缺乏对信号的整体空间特性和复杂结构的深入分析，使得其在面对复杂的故障模式时的识别能力受到限制的问题。本发明针对KM型油浸式在线变压器分接开关OLTC的故障诊断与识别问题，采用了振动信号分析、特征提取及机器学习技术，提出了一种有效的故障分类方法，提升设备的可靠性与运行效率。选择CatBoost作为故障分类模型，利用贝叶斯优化对超参数进行了系统调整，获得最佳的超参数配置。这一过程显著提高了模型的分类准确率，增强了其鲁棒性。
-
公开(公告)号：CN119760324B
公开(公告)日：2025-05-09
申请号：CN202510255970.4
申请日：2025-03-05
Applicant: 山东大学
IPC: G06F18/10 , G06F18/214 , G06F18/2433 , G06N3/044 , G06N3/048 , G06F123/02
Abstract: 基于改进BiGRU网络的变压器油中溶解气体预测方法，用于解决现有异常数据识别存在的预测精度低的问题。本发明首先采用SDROF对变压器油中气体含量的原始数据进行异常值识别。随后，对预处理后的气体含量数据应用VMD算法，并结合BKA精确调优调整参数α与模态数量M，以获取一组内在模态函数IMF分量。与此同时，基于BKA进一步优化预测模型中的预测窗口长度与过渡点，对处理后的数据集进行训练集、测试集与验证集的划分，并基于MAML与BiGRU构建预测模型，对各分解后的IMF分量进行预测，最终通过重构得到完整的预测时间序列。本发明可实现对变压器油中气体异常数据的精准预测。
-
公开(公告)号：CN119025979B
公开(公告)日：2025-02-07
申请号：CN202411520030.5
申请日：2024-10-29
Applicant: 山东大学
IPC: G06F18/24 , G06F18/2131 , G06F18/2135 , G06F18/25 , G06N7/01 , G06N3/006
Abstract: 基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，涉及电力设备故障诊断技术领域，用于解决现有电抗器局部放电监测与故障诊断方法无法应对多源复杂局放信号和环境噪声的问题。本发明的故障诊断方法首先利用压缩感知技术实现局部放电信号特征的稀疏化，降低数据冗余，保留关键特征。随后基于多维局部放电图谱技术，生成并融合时域、频域、相位域和时频域图谱，构建多样化的局部放电特征表示。动态贝叶斯网络DBN用于实时故障诊断，通过差异进化自适应细菌觅食优化DEABFO算法进行优化，提升故障识别的精度和效率。本发明能够有效应对多源复杂局放信号和环境噪声，适用于复杂工况下的局放故障预测和诊断。
-
公开(公告)号：CN119025979A
公开(公告)日：2024-11-26
申请号：CN202411520030.5
申请日：2024-10-29
Applicant: 山东大学
IPC: G06F18/24 , G06F18/2131 , G06F18/2135 , G06F18/25 , G06N7/01 , G06N3/006
Abstract: 基于压缩感知与动态贝叶斯网络的电抗器局部放电故障诊断方法，涉及电力设备故障诊断技术领域，用于解决现有电抗器局部放电监测与故障诊断方法无法应对多源复杂局放信号和环境噪声的问题。本发明的故障诊断方法首先利用压缩感知技术实现局部放电信号特征的稀疏化，降低数据冗余，保留关键特征。随后基于多维局部放电图谱技术，生成并融合时域、频域、相位域和时频域图谱，构建多样化的局部放电特征表示。动态贝叶斯网络DBN用于实时故障诊断，通过差异进化自适应细菌觅食优化DEABFO算法进行优化，提升故障识别的精度和效率。本发明能够有效应对多源复杂局放信号和环境噪声，适用于复杂工况下的局放故障预测和诊断。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.032 seconds)
