-
公开(公告)号：CN107505135B
公开(公告)日：2020-05-01
申请号：CN201710695127.3
申请日：2017-08-15
Applicant: 河北建设集团卓诚路桥工程有限公司 , 华北电力大学(保定) , 广东电网有限责任公司电力科学研究院
IPC: G01M13/045
Abstract: 本发明公开一种滚动轴承复合故障提取方法及系统。首先采用加速度传感器获取轴承故障振动信号，以变分模态分解作为振动信号升维和降噪的处理方法，得到K个IMF，以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则，对SIMFi进行快速谱峭度频谱滤波，通过比较包络谱与轴承故障理论计算结果，诊断出原始信号中所包含的故障类型。本发明可准确有效的诊断出复合故障组合形式，避免漏诊误诊，对机械设备运行状况的精确评估有重要价值。
-
公开(公告)号：CN107505135A
公开(公告)日：2017-12-22
申请号：CN201710695127.3
申请日：2017-08-15
Applicant: 河北建设集团卓诚路桥工程有限公司 , 华北电力大学(保定)
IPC: G01M13/04
Abstract: 本发明公开一种滚动轴承复合故障提取方法及系统。首先采用加速度传感器获取轴承故障振动信号，以变分模态分解作为振动信号升维和降噪的处理方法，得到K个IMF，以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则，对SIMFi进行快速谱峭度频谱滤波，通过比较包络谱与轴承故障理论计算结果，诊断出原始信号中所包含的故障类型。本发明可准确有效的诊断出复合故障组合形式，避免漏诊误诊，对机械设备运行状况的精确评估有重要价值。
-
公开(公告)号：CN114839525B
公开(公告)日：2025-02-25
申请号：CN202210574208.9
申请日：2022-05-24
Applicant: 华北电力大学(保定)
IPC: G01R31/327 , G01P15/00 , G01P5/00
Abstract: 本发明公开了一种基于涌动油流加速度的变压器重瓦斯动作整定方法，包括：施加不同程度的外部激励源至油路管道上，生成不同涌动油流；基于流速传感器采集瞬态油流的流速信号，生成不同涌动油流下的流速曲线图；基于瓦斯继电器采集瓦斯继电器挡板转角信号，生成不同涌动油流下的挡板转角曲线图；基于流速曲线图和挡板转角曲线图，分析比较不同涌动油流下恰好发生重瓦斯动作时所对应的涌动油流的加速度值及变化趋势，确定发生重瓦斯动作时的涌动油流的加速度整定值；基于涌动油流的加速度整定值判断是否发生重瓦斯动作。本发明通过基于涌动油流加速度值判断是否发生重瓦斯动作，为变压器重瓦斯动作整定提供了一种新方法。
-
公开(公告)号：CN119249874A
公开(公告)日：2025-01-03
申请号：CN202411278471.9
申请日：2024-09-12
Applicant: 华北电力大学(保定)
IPC: G06F30/27 , G01R31/327 , G06F18/214 , G06F17/15
Abstract: 本发明公开了一种基于储能动作模型的高压断路器合闸弹簧疲劳程度在线监测方法，属于高压断路器监测技术领域，具体步骤如下：步骤S1：构建储能动作模型；步骤S2：采集储能电机的电压值、电流值以及操动机构曲柄的角度位移信号，步骤S3：确定适应度函数；步骤S4：利用樽海鞘群算法和适应度函数求解储能动作模型，得到合闸弹簧刚度K；步骤S5：根据合闸弹簧刚度K计算当前合闸弹簧疲劳程度。采用上述基于储能动作模型的高压断路器合闸弹簧疲劳程度在线监测方法，构建了包括曲柄角位移、合闸弹簧刚度、储能电机电压以及储能电机电流等参数的储能动作模型，采用樽海鞘群算法进行求解，实现合闸弹簧刚度的精确在线测量。
-
公开(公告)号：CN119128584A
公开(公告)日：2024-12-13
申请号：CN202411134774.3
申请日：2024-08-19
Applicant: 华北电力大学(保定)
IPC: G06F18/24 , G06F18/214 , G06F18/213 , G06F18/15 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于FFMC模型的地铁列车传动系统多故障诊断方法，属于地铁列车故障诊断技术领域，包括：获取地铁列车传动系统多种部件故障数据集并进行预处理；将预处理后的多种部件故障数据集进行划分，并进行归一化处理；构建FFMC模型并初始化FFMC模型参数；使用训练集对FFMC模型进行训练；使用测试集对训练好的FFMC模型进行测试，实现对地铁列车传动系统多故障的分类与诊断。本发明采用上述方法，通过对传统卷积神经网络进行了改进，融合GRU、多尺度卷积、空洞卷积和残差连接，并使用全局平均池化层替代全连接层，提升了模型的特征提取能力和分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN117150198A
公开(公告)日：2023-12-01
申请号：CN202311122680.X
申请日：2023-09-01
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于质心动态路径规划的信号瞬时频率搜索方法，属于信号处理技术领域，包括以下步骤：S1、基于非平稳信号的时频分布，使用CFSA方法初步搜索可能的瞬时频率脊线集；S2、基于瞬时频率脊线集，对所有元素进行加窗并计算脊线段的质心，获得瞬时频率脊线集的质心稀疏矩阵；S3、构造动态路径优化函数预测待搜索瞬时频率点的位置，在质心稀疏矩阵中确定最优的质心点；S4、将质心稀疏矩阵V中每一列具有最大质量的点作为起始点，重复S2～S3得到基于质心稀疏矩阵V的脊线集合；S5、根据脊线集合每一个元素的能量，从脊线集合决策出最优瞬时频率脊线。本发明提供的一种基于质心动态路径规划的信号瞬时频率搜索方法，提高了脊线搜索的准确性和鲁棒性。
-
公开(公告)号：CN118911937A
公开(公告)日：2024-11-08
申请号：CN202410986818.9
申请日：2024-07-23
Applicant: 华北电力大学(保定)
Abstract: 本发明属于风电机组故障诊断技术领域，公开了一种基于转频波动特性的风电机组叶轮不平衡诊断方法，包括以下步骤：基于局部峰值搜索算法获取风电机组齿轮箱振动信号的时频脊线和叶轮瞬时转频曲线；对提取的叶轮瞬时转频曲线进行角域重采样，获得角域上的叶轮瞬时转频；运用最小二乘法原理对角域瞬时转频曲线进行多项式拟合去除趋势项，获得叶轮瞬时转频的波动项；对角域叶轮瞬时转频波动项进行傅里叶变换，获得频谱分析，提取并分析信号中频率成分，实现风电机组叶轮质量不平衡故障诊断。本发明采用上述一种基于转频波动特性的风电机组叶轮不平衡诊断方法，实现对风电机组叶轮不平衡故障的准确诊断，提升风电机组的运行可靠性和安全性。
-
公开(公告)号：CN116304868A
公开(公告)日：2023-06-23
申请号：CN202310203930.6
申请日：2023-03-06
Applicant: 华北电力大学(保定)
IPC: G06F18/241 , G06F18/21 , G06F18/214 , G06F18/15 , G06N3/0464 , G06N3/082 , G01M13/04
Abstract: 本发明公开了一种基于MFCNN模型的滚动轴承多故障诊断模型及方法，包括基于CNN模型改进的MFCNN模型，所述MFCNN模型包括依次设置的信号输入层、第一卷积层、第一批量归一化层、第一平均池化层、第二卷积层、第二批量归一化层、第二平均池化层、第三卷积层、第三批量归一化层、第三平均池化层、全局平均池化层和输出层。本发明采用上述基于MFCNN模型的滚动轴承多故障诊断模型及方法，通过对传统神经网络(CNN)的改进，能够大幅度提高轴承多故障分类时诊断结果的准确率。
-
公开(公告)号：CN116223955A
公开(公告)日：2023-06-06
申请号：CN202310227896.6
申请日：2023-03-10
Applicant: 华北电力大学(保定)
IPC: G01R31/00 , G06F18/214 , G06F18/2411 , G01R31/62 , G01H17/00
Abstract: 本发明公开了一种基于HPO‑SVM的电力变压器典型故障声纹诊断方法，包括以下步骤：S1，采集声纹数据输入分析计算机中；S2，对采集到的声纹信号进行CEEMDAN分解，然后进行包络谱峭度计算并筛选；S3，利用HPO算法对SVM中核函数的惩罚因子C与核函数参数g进行参数寻优，将最优位置的C与g值赋给SVM；S4，输入故障数据训练集到SVM中构建故障模型；S5，输入故障测试集检验HPO‑SVM算法对电力变压器声纹信号的诊断与分类能力。本发明采用上述一种基于HPO‑SVM的电力变压器典型故障声纹诊断方法，能够解决在处理存在故障特征重合的电力变压器声纹信号中存在分类结果混叠、收敛速度慢与分类效果差的问题。
-
公开(公告)号：CN116223040A
公开(公告)日：2023-06-06
申请号：CN202310209121.6
申请日：2023-03-07
Applicant: 华北电力大学(保定)
IPC: G01M13/045 , B65G43/02 , B65G15/00 , G06F17/15 , G06F18/213 , G06F18/10 , G06F18/00
Abstract: 本发明公开了一种托辊故障声学信号特征提取及定位方法，包括以下步骤：S1、对麦克风阵列阵元参数化仿真及选型；S2、利用麦克风阵列对托辊轴承故障音频信息进行采集和预处理；S3、对各通道信号进行VMD分解，提取声学信号中的故障特征信息，实现不同信源分离，从而抑制传递路径的噪声干扰；S4、选取包含托辊轴承故障循环冲击特征的最优子带；S5、利用C‑Beamforming算法对VMD最优子带信号进行旁瓣抑制，进行声源成像及声源定位，以实现高分辨率声源定位。本发明采用上述托辊故障声学信号特征提取及定位方法，能够有效抑制干扰声源及传递路径耦合噪声影响，实现托辊轴承故障声源的特征提取及高分辨率定位。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.078 seconds)
