专利检索 ap:("北京化工大学") AND inv:"赵大力" 第 1 页

1.

发明公开
一种基于故障机理和统计模型在线学习的机械设备故障诊断方法有权

公开(公告)号：CN109033930A

公开(公告)日：2018-12-18

申请号：CN201810424763.7

申请日：2018-05-07

申请人： 北京化工大学

发明人： 马波 , 蔡伟东 , 赵大力 , 高金吉 , 江志农

IPC分类号： G06K9/00 , G06K9/62

CPC分类号： G06K9/00536 , G06K9/6256 , G06K9/6262 , G06K9/6278

摘要： 一种基于故障机理和统计模型在线学习的机械设备故障诊断方法，属于机械设备故障诊断领域，具体步骤为：(1)基于工况特性与实时状态监测数据构建健康数据生成模型；(2)基于故障机理和健康数据生成模型构建诊断模型；(3)判别设备可能发生的故障类型；(4)确定设备发生的各类型故障概率。本方法将设备故障机理和实时运行数据相结合，构建针对具体一台设备的故障诊断模型，有效解决了现有方法中模型学习故障案例数据不足，模型泛化能力差的问题。

2.

发明授权
基于故障机理和统计模型在线学习的设备故障诊断方法有权

公开(公告)号：CN109033930B

公开(公告)日：2022-05-13

申请号：CN201810424763.7

申请日：2018-05-07

申请人： 北京化工大学

发明人： 马波 , 蔡伟东 , 赵大力 , 高金吉 , 江志农

IPC分类号： G06K9/00 , G06K9/62 , G06V10/774 , G06V10/764 , G06V10/778

摘要： 一种基于故障机理和统计模型在线学习的机械设备故障诊断方法，属于机械设备故障诊断领域，具体步骤为：(1)基于工况特性与实时状态监测数据构建健康数据生成模型；(2)基于故障机理和健康数据生成模型构建诊断模型；(3)判别设备可能发生的故障类型；(4)确定设备发生的各类型故障概率。本方法将设备故障机理和实时运行数据相结合，构建针对具体一台设备的故障诊断模型，有效解决了现有方法中模型学习故障案例数据不足，模型泛化能力差的问题。