-
公开(公告)号：CN118327853A
公开(公告)日：2024-07-12
申请号：CN202410508124.4
申请日：2024-04-25
IPC分类号： F03B11/00
摘要： 本发明涉及故障诊断技术领域，特别涉及一种水轮机组故障诊断系统和故障诊断方法。系统包括：数据收集与处理模块、故障诊断本体模型和AI故障诊断引擎；数据收集与处理模块用于实时采集水轮机组的运行数据，并对运行数据进行预处理和特征提取，输出特征数据；故障诊断本体模型中定义了水轮机组各组件的结构、功能、故障以及关联关系，以输出故障知识框架；AI故障诊断引擎用于基于特征数据和预先训练的深度学习模型识别当前水轮机组的故障类型，并基于故障知识框架，确定故障诊断结果和维修建议。本方案通过利用自动化的AI故障诊断，提高故障诊断效率，且结合深度学习模型和故障诊断本体模型，可以准确诊断出故障类型和位置，提高故障诊断的精度。
-
公开(公告)号：CN118602225A
公开(公告)日：2024-09-06
申请号：CN202411058733.0
申请日：2024-08-02
IPC分类号： F16M5/00 , F16F15/02 , F16F15/067
摘要： 本发明涉及减震降噪设备技术领域，提供一种抽水蓄能机组安装设备，包括安装座和多个减震单元，安装座上形成有用于安装抽水蓄能机组的安装空间，多个减震单元分别与安装座的设定位置连接；减震单元包括连接组件和减震组件，连接组件包括第一连接件、第二连接件和第一阻尼杆，第一连接件与安装座连接，第二连接件与减震组件连接，第一连接件与第二连接件铰接，以使第二连接件能带动减震组件沿第一方向转动，第一阻尼杆的第一缸体与安装座连接，第一阻尼杆的第一液压输出杆与减震组件连接。本发明提供的抽水蓄能机组安装设备，接近了现有抽水蓄能机组工作时易容易产生较大的振动和震动，影响设备本身的运行效率和寿命以及对周围结构造成损害的缺陷。
-
公开(公告)号：CN118410279A
公开(公告)日：2024-07-30
申请号：CN202410563918.0
申请日：2024-05-08
IPC分类号： G06F18/10 , G06F18/213 , G06F18/241 , G06N5/01 , G06Q10/20 , G06N3/044 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/084
摘要： 本发明公开了一种基于深度学习的汽轮机组故障处理方法及系统，属于机械故障诊断技术领域。该方法包括：获取预处理后的汽轮机组的运行状态数据；将运行状态数据输入至预先训练好的运行故障诊断模型中，输出得到汽轮机组的故障诊断结果；基于故障诊断结果，确定汽轮机组故障的最优处理方案。本发明通过融合多传感器数据，提高故障诊断的准确性和全面性；通过自适应运行故障诊断模型，提高模型的准确性和适应性；系统能够根据诊断结果自动推荐修复措施或维护计划，并支持决策制定。
-
公开(公告)号：CN118332442A
公开(公告)日：2024-07-12
申请号：CN202410563884.5
申请日：2024-05-08
IPC分类号： G06F18/243 , G06F18/10 , G06F18/213 , G06N5/01 , G06N20/20 , G06Q10/20 , G06Q50/06 , G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/048 , G06N3/084
摘要： 本发明提供了一种基于深度学习的风电机组故障诊断方法及系统，属于机械故障诊断领域。该方法包括：获取预处理后的风力发电机组的运行数据；其中，所述预处理包括数据清洗处理、数据归一化处理和数据标准化处理，所述运行数据包括振动、温度、压力、风速、声音、电流、电压和扭矩；将所述运行数据输入预先训练好的风机故障诊断模型中，输出得到所述风力发电机组的故障诊断结果；其中，所述风机故障诊断模型是通过对初始模型优化后得到的；基于所述故障诊断结果，确定所述风力发电机组的故障维护方案。本方案能够提高风力发电机组故障诊断的准确性和实时性。
-
-
-
搜索结果
4 条记录 (耗时 0.048 秒)