-
公开(公告)号：CN113505830B
公开(公告)日：2024-04-02
申请号：CN202110780175.9
申请日：2021-07-09
Applicant: 西安交通大学
IPC: G06F18/214 , G06F18/241 , G06N3/0464 , G01M13/00
Abstract: 本申请提供一种旋转机械故障诊断方法、系统、设备及存储介质。方法包括：采用轻量级卷积神经网络提取旋转机械故障信号，得到空间特征信息，并对空间特征信息进行特征识别；根据特征识别结果实现旋转机械的故障诊断，构造了新型的轻量级卷积块，能够有效地降低模型的参数，建立了轻量级卷积神经网络故障诊断模型，在很大程度上解决数据压缩问题的同时，有效地改进网络结构，提高了对整个旋转机械故障的识别精度。
-
公开(公告)号：CN113449803A
公开(公告)日：2021-09-28
申请号：CN202110780818.X
申请日：2021-07-09
Applicant: 西安交通大学
Abstract: 本发明提供一种不同绝缘缺陷局部放电类型区分方法、系统、设备及存储介质，方法包括：基于卷积神经网络多层卷积和池化操作，提取局部放电信号的局部空间特征信息，并保留局部空间特征信息的时间序列特征信息；基于局部空间特征信息，通过长短期记忆网络保存并分析，提取局部放电信号的时间序列特征信息；基于局部空间特征信息和时间序列特征信息，通过全连接层进行特征融合，提取包含局部空间特征信息和时间序列特征信息的所有局部放电信号的识别特征；基于识别特征，通过卷积神经网络的softmax层输出概率值，进行局部放电信号类型的识别分类。本发明提高了整个局部放电图像类型的识别精度。
-
公开(公告)号：CN114167237A
公开(公告)日：2022-03-11
申请号：CN202111447058.7
申请日：2021-11-30
Applicant: 西安交通大学
IPC: G01R31/12
Abstract: 本发明涉及放电故障识别技术领域，公开一种GIS局部放电故障识别方法，包括以下步骤：信号采集：采集各类缺陷放电信号各多组，形成原始信号；数据处理：对原始信号分别进行变分模态分解，获得一系列固有模态分量；特征提取：对固有模态分量进行特征提取，得到多尺度排列熵；识别诊断：将多尺度排列熵作为高维特征向量输入局部放电故障分类器模型，输出故障结果。变分模态分解克服了EMD方法存在端点效应和模态分量混叠的问题，可以降低复杂度高和非线性强的时间序列非平稳性，分解获得包含多个不同频率尺度且相对平稳的子序列；由固有模态分量计算多尺度排列熵，能检测时间序列在多尺度下的复杂性变化。
-
公开(公告)号：CN113505830A
公开(公告)日：2021-10-15
申请号：CN202110780175.9
申请日：2021-07-09
Applicant: 西安交通大学
Abstract: 本申请提供一种旋转机械故障诊断方法、系统、设备及存储介质。方法包括：采用轻量级卷积神经网络提取旋转机械故障信号，得到空间特征信息，并对空间特征信息进行特征识别；根据特征识别结果实现旋转机械的故障诊断，构造了新型的轻量级卷积块，能够有效地降低模型的参数，建立了轻量级卷积神经网络故障诊断模型，在很大程度上解决数据压缩问题的同时，有效地改进网络结构，提高了对整个旋转机械故障的识别精度。
-
-
-
Search Results
4
records
(took 0.021 seconds)
