-
公开(公告)号：CN113988189B
公开(公告)日：2024-05-07
申请号：CN202111273526.3
申请日：2021-10-29
Applicant: 燕山大学
IPC: G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明涉及一种跨风电机组的迁移故障诊断方法，属于风电机组故障诊断技术领域，包括利用风电机组的SCADA系统采集多组同风场同类型风机数据，并进行数据预处理及数据打标；将机组划分源域机组和目标域机组，源域机组数据和少量目标域机组数据作为训练集，其余的目标域数据按比例划分验证集和测试集；针对风电机组数据设计深度卷积神经网络特征学习模块，进行特征的融合提取，得到不同机组数据的深层特征；将分布对齐后的特征输入到分类层中，输出得到目标域风电机组数据的故障类型。本发明能够多准则加权联合度量，自适应减小机组间数据多元分布异构，提高模型对不同风机数据的泛化能力以及在新目标机组的故障诊断精度。
-
公开(公告)号：CN113988189A
公开(公告)日：2022-01-28
申请号：CN202111273526.3
申请日：2021-10-29
Applicant: 燕山大学
Abstract: 本发明涉及一种跨风电机组的迁移故障诊断方法，属于风电机组故障诊断技术领域，包括利用风电机组的SCADA系统采集多组同风场同类型风机数据，并进行数据预处理及数据打标；将机组划分源域机组和目标域机组，源域机组数据和少量目标域机组数据作为训练集，其余的目标域数据按比例划分验证集和测试集；针对风电机组数据设计深度卷积神经网络特征学习模块，进行特征的融合提取，得到不同机组数据的深层特征；将分布对齐后的特征输入到分类层中，输出得到目标域风电机组数据的故障类型。本发明能够多准则加权联合度量，自适应减小机组间数据多元分布异构，提高模型对不同风机数据的泛化能力以及在新目标机组的故障诊断精度。
-
公开(公告)号：CN114993669B
公开(公告)日：2023-04-18
申请号：CN202210413175.X
申请日：2022-04-20
Applicant: 燕山大学
IPC: G01M13/028 , G01R19/00 , G01R31/34 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464
Abstract: 本发明提供多传感器信息融合的传动系统故障诊断方法及系统，属于传动系统故障诊断技术领域，包括获取分布在传动系统中传感器采集到的振动信号、电机定子电流信号以及声音信号，进行稀疏共振分解；获得的预处理数据以并行的方式输入到各自的卷积神经网络中学习特征，提取不同种类信号中的故障特征；所获得的特征数据以并行方式输入到多任务学习模块中进行处理；其中，多任务学习模块包括有监督的分类任务和一个特征度量学习任务，从而实现故障分类。获得的故障分类和声阵列传感器相结合，对声音异常部位的定位进行分析，最终实现故障的准确判断，可作为故障诊断的有效验证，进一步提高故障诊断准确性。
-
公开(公告)号：CN114993669A
公开(公告)日：2022-09-02
申请号：CN202210413175.X
申请日：2022-04-20
Applicant: 燕山大学
IPC: G01M13/028 , G01R19/00 , G01R31/34 , G06K9/62 , G06N3/04
Abstract: 本发明提供多传感器信息融合的传动系统故障诊断方法及系统，属于传动系统故障诊断技术领域，包括获取分布在传动系统中传感器采集到的振动信号、电机定子电流信号以及声音信号，进行稀疏共振分解；获得的预处理数据以并行的方式输入到各自的卷积神经网络中学习特征，提取不同种类信号中的故障特征；所获得的特征数据以并行方式输入到多任务学习模块中进行处理；其中，多任务学习模块包括有监督的分类任务和一个特征度量学习任务，从而实现故障分类。获得的故障分类和声阵列传感器相结合，对声音异常部位的定位进行分析，最终实现故障的准确判断，可作为故障诊断的有效验证，进一步提高故障诊断准确性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
