公开(公告)号：CN111695247A

公开(公告)日：2020-09-22

申请号：CN202010455962.1

申请日：2020-05-26

申请人： 武汉大学

发明人： 何怡刚 ,  吴炜 ,  童晋 ,  张朝龙 ,  时国龙

IPC分类号： G06F30/20 ,  G06Q50/06 ,  G06F119/02

摘要： 本发明公开了一种结合FAHP-DEMATEL法和CRITIC法的变压器状态评估方法，包括：步骤一、选取对变压器健康状况关联最大的多组状态量，建立层次型指标体系；步骤二、主观层面上利用DEMATEL法计算影响度和被影响度，之后通过FAHP-DEMATEL法计算指标层指标权重，客观层面上通过CRITIC法计算指标层指标权重；步骤三、根据指标主观权重和指标客观权重，计算最优权重，使其满足最优权重所得权重向量与各方法所得权重向量之间总差值最小；步骤四、从指标层到因素层逐层计算状态评分，最终结合状态等级划分规则判断变压器的实际健康状况。本发明考虑了主观层面和客观层面的权重计算，保证最终的权重计算更贴近实际，且能减小指标权重相互影响造成的误差，使得评估结果更加准确和更具有稳定性。

公开(公告)号：CN111323220A

公开(公告)日：2020-06-23

申请号：CN202010134735.9

申请日：2020-03-02

申请人： 武汉大学

发明人： 何怡刚 ,  鲁力 ,  何鎏璐 ,  时国龙 ,  张朝龙

IPC分类号： G01M13/021 ,  G01M13/028

摘要： 本发明公开了一种基于堆叠去噪自编码器的风力发电机齿轮箱故障诊断方法及系统，属于故障诊断领域，通过将已经采集到的风力发电机齿轮箱处在不同工作状态中的原始振动信号进行预处理后的信号作为训练数据，将训练数据输入堆叠去噪自编码器中，同时引入量子粒子群优化算法对其进行结构与参数的优化，然后将预处理过后的测试信号输入到训练完成的堆叠去噪自编码器中，以提取隐含在原始振动信号中的高维故障特征，最后将提取出的故障特征输入最小二乘支持向量机进行故障分类，由此完成对齿轮箱故障诊断。本发明能够有效辨别出故障类型，为发现齿轮箱故障所在位置，并进行维护提供了有力依据，保证了设备稳定可靠的运行。

公开(公告)号：CN111259834A

公开(公告)日：2020-06-09

申请号：CN202010066133.4

申请日：2020-01-20

申请人： 武汉大学

发明人： 何怡刚 ,  张朝龙 ,  时国龙 ,  张慧 ,  何鎏璐 ,  杜博伦

IPC分类号： G06K9/00 ,  G06K9/62

摘要： 本发明公开了一种基于集成深度置信网络的变压器故障诊断方法及系统，属于电子电路工程及计算机视觉领域，其中，方法的实现包括：获取各类型变压器在不同故障类型下的若干组振动信号，提取各振动信号的特征，由提取后的特征构成训练数据；由训练数据分别对若干个学习率不同的深度置信网络进行训练，得到各深度置信网络的故障诊断正确率；保留满足要求的故障诊断正确率对应的目标深度置信网络，由各目标深度置信网络组建集成深度置信网络，以通过集成深度置信网络对变压器进行故障诊断。本发明可克服单个深度置信网络用于变压器故障诊断是的不完善问题，可有效地提高故障诊断诊断正确率。