公开(公告)号：CN112834211A

公开(公告)日：2021-05-25

申请号：CN202011641131.X

申请日：2020-12-31

申请人： 江苏国科智能电气有限公司 ,  燕山大学

发明人： 武鑫 ,  谷海涛 ,  王朝 ,  王洪彬 ,  赵世雄 ,  江国乾 ,  谢平

IPC分类号： G01M13/02 ,  G06N3/04

摘要： 一种风电机组传动系统故障预警方法，首先获取风电机组SCADA运行数据，挑选连续运行的健康数据，并对数据完成相关预处理；然后，构建长短期记忆自编码模型，使用训练集和测试集对模型进行训练；最后，使用验证集对模型的重构能力进行验证，计算重构数据与原始数据的残差，并采用核密度估计法设定阈值控制线，当重构误差高于阈值时进行故障预警，并根据重构误差的大小和达到阈值的先后时间判断出现故障的具体部件。本发明将长短期记忆网络的门控单元与去噪自编码网络相结合，可以有效捕获数据内在的时空关联性，能更好的挖掘数据之间和数据在时间维度的特征信息，能够有效提高故障预警的可靠性。

公开(公告)号：CN117339558A

公开(公告)日：2024-01-05

申请号：CN202311521563.0

申请日：2023-11-15

申请人： 燕山大学

发明人： 宋来洲 ,  张春青 ,  杨明 ,  王秀丽 ,  孙滢 ,  翟明宇 ,  武鑫

IPC分类号： B01J20/20 ,  B01J20/28 ,  B01J20/30 ,  B01D53/02

摘要： 本申请涉及挥发性有机污染物处理技术领域，更具体地说，它涉及一种活性炭/膨胀石墨复合材料制备及其挥发性有机物的吸附应用。包括以下步骤：(1)通过水洗和酸液浸渍预处理活性炭和膨胀石墨两种粉末，备用；(2)配制磷酸‑氢氧化铝‑壳聚糖胶状溶液用作粘结剂，制作复合材料微球；(3)活性炭和膨胀石墨在磷酸‑氢氧化铝‑壳聚糖胶状溶液中浸渍处理，得到含有两种粉末的胶状物，经由湿法制球、烘干工序，制得活性炭/膨胀石墨复合材料。实现了复合材料室温下微波辐照的致热再生，降低了活性炭吸附材料的热脱附再生成本，有效解决了活性炭类材料VOCs饱和吸附后热再生成本高的工程难题。

公开(公告)号：CN113255210B

公开(公告)日：2022-12-02

申请号：CN202110520120.4

申请日：2021-05-13

申请人： 燕山大学

发明人： 江国乾 ,  范伟鹏 ,  谢平 ,  武鑫 ,  何群 ,  王霄

IPC分类号： G06F30/27 ,  G06K9/62 ,  G06N3/08 ,  G06F113/06

摘要： 本发明公开一种风电机组联邦故障诊断方法及系统，先基于风电场内相同类型风电机组构建风电机组的训练集和测试集；然后基于联邦学习框架，根据所述训练集对本地故障诊断模型进行训练，获得各风电机组对应的最优共享故障诊断模型；最后将所述测试集输入至各风电机组对应的所述最优共享故障诊断模型进行风电机组故障诊断，获得风电机组故障诊断结果。本发明基于联邦学习框架实现多台风电机组数据共享，通过“数据不动模型动”的方式，在数据不出本地的情况下，将各台风电机组联合起来进行联邦训练，在有效的保护不同风电机组制造商数据隐私的同时，丰富了故障类型并解决了风电机组间存在的数据孤岛问题，在风电机组故障诊断领域中具有广阔的前景。

公开(公告)号：CN115329986A

公开(公告)日：2022-11-11

申请号：CN202210873216.3

申请日：2022-07-21

申请人： 燕山大学

发明人： 江国乾 ,  易子宸 ,  谢平 ,  何群 ,  武鑫 ,  李小俚

IPC分类号： G06N20/20 ,  G06N5/00 ,  G06N20/10 ,  G06N7/00 ,  G06N3/04 ,  G06N3/08 ,  F03D17/00

摘要： 本发明公开了基于可解释性图神经网络的风电机组异常检测与定位方法，属于风电机组状态监测领域，所述方法包括S1、筛选多变量时间序列SCADA数据；S2、协变量预处理及谱域图卷积网络模型初始化；S3、将协变量预处理之后的健康数据输入谱域图卷积网络，提取特征；S4、根据训练集设置阈值；S5、通过检测与定位模块进行异常检测和异常定位；S6、通过事后可解释性模块进行异常检测和定位；S7、将检测与定位模块和决策可解释性模块综合评估，对机组健康状态进行科学性的评估和指导。本发明实现了对机组故障的早期预警，实现了对机组故障的精准定位，有利于在亚健康时及时对机组进行处理和维护，避免机组及关键部件的深度伤害。

公开(公告)号：CN114841061A

公开(公告)日：2022-08-02

申请号：CN202210423006.4

申请日：2022-04-21

申请人： 燕山大学

发明人： 何群 ,  李晔阳 ,  江国乾 ,  谢平 ,  李文悦 ,  范伟鹏 ,  武鑫

IPC分类号： G06F30/27 ,  G06F119/02 ,  G06F119/08 ,  G06F113/06

摘要： 本发明公开了一种融合时序信息的风电齿轮箱健康评估方法及系统，属于风力发电机状态监测领域，包括S1、多变量时间序列获取及传感器特征与时序特征生成；S2、卷积自编码高斯混合模型网络构建；S3、训练网络，设置基于输入信号本身能量值的健康度指标并设置阈值；S4、在线评估；本发明通过对时间信息编码获得时序信息并结合传感器信息，利用卷积自编码高斯混合模型学习传感器特征及时序特征，提出基于原始信号能量值分布的健康度指标，用于评估风电齿轮箱运行健康程度。

公开(公告)号：CN113240022A

公开(公告)日：2021-08-10

申请号：CN202110547118.6

申请日：2021-05-19

申请人： 燕山大学

发明人： 江国乾 ,  聂世强 ,  谢平 ,  王霄 ,  武鑫 ,  李小俚 ,  何群

IPC分类号： G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提出一种基于多尺度单分类卷积网络的风电齿轮箱故障检测方法，该方法设计具有不同卷积核大小的卷积网络，以并行的方式在多个卷积核尺度下挖掘齿轮箱振动信号的时间特征，仅利用齿轮箱正常状态下的振动数据进行建模和训练，无需有标记的故障样本参与，通过构建无监督学习模型，有效地避免了故障数据获取难、故障模式不完备、故障标记成本高等问题。与传统的机器学习方法相比，本发明能够提高齿轮箱故障检测的准确性和可靠性。