-
公开(公告)号：CN112748717B
公开(公告)日：2022-06-14
申请号：CN202011461747.9
申请日：2020-12-08
Applicant: 华北电力大学(保定) , 浙江浙能技术研究院有限公司
IPC: G05B23/02
Abstract: 本发明公开了一种基于证据融合的执行器故障诊断方法，包含以下步骤：步骤A、采集执行器的数据信号，并进行预处理；步骤B、采用基于信号趋势分析的方法计算性能指标，并对指标结果加以改进；步骤C、使用基于LS‑SVM的概率输出判断数据的模式；步骤D、利用证据理论将前两步的诊断结果融合；步骤E、根据融合结果判断当前的执行器故障状态，本发明基于信号趋势分析的诊断指标不依赖于对象的数学模型，直接分析各类故障的数据信号的趋势变化特征，具有明确的物理机理含义，工程实现能力强，不仅能检测故障，还能识别故障的机理特征信息。
-
Patent Agency Ranking
公开(公告)号：CN110673578A
公开(公告)日：2020-01-10
申请号：CN201910931788.0
申请日：2019-09-29
Applicant: 华北电力大学(保定)
IPC: G05B23/02
Abstract: 本发明适用于计算机技术领域，提供了一种故障劣化程度确定方法、装置、计算机设备及存储介质，所述方法包括：获取故障诊断数据；基于半非负矩阵分解对所述故障诊断数据进行矩阵分解生成特征数据集；根据所述特征数据集以及预设的第一故障诊断模型确定是否存在第一故障；根据所述故障诊断数据以及预设的第一故障劣化评价模型确定第一故障的劣化程度。本发明实施例提供的故障劣化程度确定方法，其中第一故障诊断模型以及第一故障诊断模型是基于大量的样本数据以及非负矩阵分解算法预先训练生成，对故障的判断以及故障劣化程度具有较高的准确率，此外还能够判断出故障的劣化程度，便于用户获取更加全面的故障信息。
-
公开(公告)号：CN110673578B
公开(公告)日：2022-07-08
申请号：CN201910931788.0
申请日：2019-09-29
Applicant: 华北电力大学(保定)
IPC: G05B23/02
Abstract: 本发明适用于计算机技术领域，提供了一种故障劣化程度确定方法、装置、计算机设备及存储介质，所述方法包括：获取故障诊断数据；基于半非负矩阵分解对所述故障诊断数据进行矩阵分解生成特征数据集；根据所述特征数据集以及预设的第一故障诊断模型确定是否存在第一故障；根据所述故障诊断数据以及预设的第一故障劣化评价模型确定第一故障的劣化程度。本发明实施例提供的故障劣化程度确定方法，其中第一故障诊断模型以及第一故障诊断模型是基于大量的样本数据以及非负矩阵分解算法预先训练生成，对故障的判断以及故障劣化程度具有较高的准确率，此外还能够判断出故障的劣化程度，便于用户获取更加全面的故障信息。
-
公开(公告)号：CN112749876B
公开(公告)日：2022-04-15
申请号：CN202011461560.9
申请日：2020-12-08
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于重分形分析的执行器劣化评估方法，包含以下步骤：步骤A、采集设备数据；步骤B、利用改进的基于统计矩函数的重分形分析方法处理劣化数据；步骤C、计算表现数据特征的三个定性指标；步骤D、通过加权融合得到衡量设备动态劣化的定量指标；步骤E、根据定性指标和定量指标来判断设备的劣化情况，本发明通过设置参考序列，划分高低密度分布区，并以此制定了三个表现时间序列不同角度的特征的指标量。该指标可以实现对研究对象当前劣化状态的知识解释，并依据严重程度进行定性分级。此外，还可以定量衡量设备的长时间退化状况。
-
公开(公告)号：CN112749876A
公开(公告)日：2021-05-04
申请号：CN202011461560.9
申请日：2020-12-08
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于重分形分析的执行器劣化评估方法，包含以下步骤：步骤A、采集设备数据；步骤B、利用改进的基于统计矩函数的重分形分析方法处理劣化数据；步骤C、计算表现数据特征的三个定性指标；步骤D、通过加权融合得到衡量设备动态劣化的定量指标；步骤E、根据定性指标和定量指标来判断设备的劣化情况，本发明通过设置参考序列，划分高低密度分布区，并以此制定了三个表现时间序列不同角度的特征的指标量。该指标可以实现对研究对象当前劣化状态的知识解释，并依据严重程度进行定性分级,此外，还可以定量衡量设备的长时间退化状况。
-
公开(公告)号：CN112748717A
公开(公告)日：2021-05-04
申请号：CN202011461747.9
申请日：2020-12-08
Applicant: 华北电力大学(保定) , 浙江浙能技术研究院有限公司
IPC: G05B23/02
Abstract: 本发明公开了一种基于证据融合的执行器故障诊断方法，包含以下步骤：步骤A、采集执行器的数据信号，并进行预处理；步骤B、采用基于信号趋势分析的方法计算性能指标，并对指标结果加以改进；步骤C、使用基于LS‑SVM的概率输出判断数据的模式；步骤D、利用证据理论将前两步的诊断结果融合；步骤E、根据融合结果判断当前的执行器故障状态，本发明基于信号趋势分析的诊断指标不依赖于对象的数学模型，直接分析各类故障的数据信号的趋势变化特征，具有明确的物理机理含义，工程实现能力强，不仅能检测故障，还能识别故障的机理特征信息。
-
-
-
-
-
Search Results
6
records
(took 0.035 seconds)
