公开(公告)号：CN118349889A

公开(公告)日：2024-07-16

申请号：CN202410499404.3

申请日：2024-04-24

申请人： 中国地质大学(武汉)

发明人： 程一伟 ,  王晨 ,  林鑫诺 ,  程成 ,  赵方圆

IPC分类号： G06F18/241 ,  G06F18/10 ,  G06F18/2131 ,  G06N3/0464 ,  G06N3/082

摘要： 本发明提供一种风电齿轮箱智能故障诊断方法及设备，涉及机械设备故障诊断领域，包括：将监测数据集合中的各监测数据转换为三维特征数据，获得三维特征数据集合，将三维特征数据集合按比例划分为训练集和测试集；构建多尺度故障诊断模型，通过训练集对多尺度故障诊断模型进行训练，获得第一训练阶段模型；对第一训练阶段模型进行参数调节和通道剪枝，获得最终多尺度故障诊断模型；通过最终多尺度故障诊断模型对风电齿轮箱进行故障诊断。本发明通过两个阶段的训练使得最终多尺度故障诊断模型提高了对于风电齿轮箱运行信号在各个工况下各特征的提取能力，进而在节省运算量的前提下提高了对于风电齿轮箱的故障诊断精度。

公开(公告)号：CN118312897A

公开(公告)日：2024-07-09

申请号：CN202410419951.6

申请日：2024-04-09

申请人： 中国地质大学(武汉)

发明人： 程一伟 ,  林鑫诺 ,  王晨 ,  程成 ,  赵方圆

IPC分类号： G06F18/2433 ,  G06F18/214 ,  G06F18/211 ,  G06F18/10 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/084

摘要： 本申请提供了一种旋转机械智能故障诊断方法、设备及介质，涉及故障诊断技术领域，方法包括：将采集各种工况状态下旋转机械的一维振动信号，对所述一维振动信号进行预处理；对预处理后的一维振动信号进行数据分割，得到各个信号段；对信号段进行时频分析，得到时频域特征数据集；将所述时频域特征数据集划分为训练集和测试集；通过CBlock模块、SABlock模块和分类器，构建故障诊断模型；将所述训练集导入所述故障诊断模型中，并对所述故障诊断模型进行训练；将所述测试集导入训练后的所述故障诊断模型，输出故障类别结果。能同时解决局部冗余和全局依赖两大问题，实现高效的特征表示学习，提高旋转机械故障诊断的准确性和有效性。