公开(公告)号：CN118296515A

公开(公告)日：2024-07-05

申请号：CN202410725243.5

申请日：2024-06-06

Applicant: 广东技术师范大学

Inventor： 辛妍丽 ,  王鹏宇 ,  张先勇 ,  谢月 ,  谢家俊 ,  洪永辉 ,  邱奕锋

IPC: G06F18/2431 ,  G06N3/0464 ,  G06N5/048 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G01D21/02 ,  F03D17/00 ,  G06F123/02

Abstract: 本发明公开了一种基于CEEMDAN‑SP‑CNN的海上风电机组故障诊断方法，包括：获取海上风电机组状态监测的多源时间序列数据并进行预处理，构建含两级故障分类标签的原始数据集；采用CEEMDAN算法对原始数据集中的特征信号进行模态分解，获取若干个本征模态分量IMF和一个残差分量，计算每个IMF的样本熵，并重构信号，形成一维时间序列特征数据集；采用GAF将一维时间序列特征数据集中的一维时间序列转换为二维图像，形成二维图像特征数据集；将一维时间序列特征数据集和二维图像特征数据集中数据分别输入已训练好的SP模型和CNN模型中，将两个模型的故障诊断结果融合得到最终的故障诊断结果。本发明可有效实现对不同类型故障的准确诊断。

公开(公告)号：CN118296515B

公开(公告)日：2024-09-03

申请号：CN202410725243.5

申请日：2024-06-06

Applicant: 广东技术师范大学

Inventor： 辛妍丽 ,  王鹏宇 ,  张先勇 ,  谢月 ,  谢家俊 ,  洪永辉 ,  邱奕锋

IPC: G06F18/2431 ,  G06N3/0464 ,  G06N5/048 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G01D21/02 ,  F03D17/00 ,  G06F123/02

Abstract: 本发明公开了一种基于CEEMDAN‑SP‑CNN的海上风电机组故障诊断方法，包括：获取海上风电机组状态监测的多源时间序列数据并进行预处理，构建含两级故障分类标签的原始数据集；采用CEEMDAN算法对原始数据集中的特征信号进行模态分解，获取若干个本征模态分量IMF和一个残差分量，计算每个IMF的样本熵，并重构信号，形成一维时间序列特征数据集；采用GAF将一维时间序列特征数据集中的一维时间序列转换为二维图像，形成二维图像特征数据集；将一维时间序列特征数据集和二维图像特征数据集中数据分别输入已训练好的SP模型和CNN模型中，将两个模型的故障诊断结果融合得到最终的故障诊断结果。本发明可有效实现对不同类型故障的准确诊断。