-
公开(公告)号：CN117574231A
公开(公告)日：2024-02-20
申请号：CN202311549086.9
申请日：2023-11-21
Applicant: 国网江西省电力有限公司柘林水电厂 , 华中科技大学
IPC: G06F18/241 , G06N3/0442 , G06N3/042 , G06F18/214 , G01H17/00
Abstract: 本发明公开了一种水电机组多通道劣化趋势预测及其模型训练方法，属于水电机组状态预测技术领域。本发明方案中首先基于水电机组轴系各通道工况数据和振摆数据构建多通道健康模型；再通过多通道健康模型计算得到理论健康值，比对理论健康值和振摆数据监测值，得到劣化度；通过各通道的劣化度计算得到通道间的相关性；最后基于时间图卷积网络构建多通道劣化趋势预测模型，将各通道的劣化度趋势序列和对应通道间的相关性作为训练集，预测标签值作为目标变量，对所述预测模型进行拟合训练，得到多通道劣化趋势预测模型。本发明充分获取多通道之间的空间信息与劣化趋势预测中的时序信息，有效的提高了水电机组劣化趋势预测的精度。
-
公开(公告)号：CN113283300A
公开(公告)日：2021-08-20
申请号：CN202110457485.7
申请日：2021-04-27
Applicant: 华中科技大学
IPC: G06K9/00 , G06K9/62 , G01M13/045 , G06F17/15 , G06F17/18
Abstract: 本发明提供了一种抽水蓄能机组轴系劣化评估方法及装置，属于机组故障预测与健康管理领域，方法具体为：利用实时运行过程中的状态量信号，结合核密度估计计算过程概率密度函数；结合健康概率密度函数获取劣化度，其并与各采样点的权重相乘后求和，获取机组轴系融合劣化度；支持结合预警劣化度阈值生成不同程度预警信号；获取健康概率密度函数和各采样点的权重方法为：将抽水蓄能机组轴系历史多测点多通道数据，按抽水蓄能机组状态量进行过程划分；根据候选健康样本的均值和标准差进行非支配排序，获取健康样本；结合核密度估计，计算各采样点的健康概率密度函数；将健康样本合成健康样本集，结合主成分分析获取权重。本发明具有很高的应用价值。
-
公开(公告)号：CN112634391B
公开(公告)日：2023-12-29
申请号：CN202011596758.8
申请日：2020-12-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于压缩感知的灰度图像深度重建及故障诊断方法及系统，属于水电机组故障诊断领域，方法包括：对水电机组振动通道传感信号形成的原始信号阵列依次进行DWT稀疏变换和归一化处理，得到灰度图像阵列；对灰度图像阵列进行分块及压缩；电站维护端利用深度重建网络模型对各压缩图像块进行重建及整合得到重建图像，其中，深度重建网络模型利用全连接层对压缩图像块进行初次重建后，采用三个卷积层和激活层对初次重建后的图像进行拟合；电站维护端利用高斯卷积核对重建图像进行滤波，并基于滤波后的重建图像生成相应的故障(56)对比文件张善文.图像的不变形特征提取《.图像模式识别》.西安电子科技大学出版社,2020,47-48.胡晓;肖志怀;刘东;蒋文君;刘冬;袁喜来.基于VMD-CNN的水电机组故障诊断.水电能源科学.2020,(08),137-141.杜小磊;陈志刚;张楠;许旭.压缩感知和改进深层小波网络在轴承故障诊断中的应用.机械强度.2020,(04),777-785.杨正理 等.稀疏度拟合的自适应机械振动信号压缩感知《.振动、测试与诊断》.2020,929-936.Zhong-Xu Hu 等.Data-Driven FaultDiagnosis Method Based on CompressedSensing and Improved MultiscaleNetwork.IEEE.2019,3216-3225.杜小磊等.压缩感知和改进深层小波网络在轴承故障诊断中的应用《.机械强度》.2020,(第04期),777-785.温江涛等.基于压缩采集与深度学习的轴承故障诊断方法《.仪器仪表学报》.2018,(第01期),171-179.
-
公开(公告)号：CN115496278A
公开(公告)日：2022-12-20
申请号：CN202211143698.3
申请日：2022-09-20
Applicant: 华中科技大学
Abstract: 本发明提供了一种水电机组定子线圈温度预警方法及系统，属于水电机组状态评估与预警领域，方法包括：获取整体温度趋势数据和周期温度趋势数据；基于运行状态损失函数的GRU温度预测模型，获取机组当前运行阶段未来时刻的预测温度值；计算历史误差的标准差、均值和置信度；当历史误差的标准差小于预设标准差，结合机组当前运行阶段未来时刻的预测温度值，判断是否进行温度预警；当历史误差的标准差大于预设标准差，则结合置信度和当前运行阶段未来时刻的预测温度值，判断是否进行温度预警。本发明提高了模型训练的效果，同时也降低了环境温度对温度误报警的影响。
-
Patent Agency Ranking
公开(公告)号：CN115238739A
公开(公告)日：2022-10-25
申请号：CN202210838720.X
申请日：2022-07-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多感受域GCN的水电机组故障诊断方法和系统，属于水电机组故障诊断技术领域。本发明通过构建图结构数据，将振动样本抽象为节点，振动样本的时域特征和频域特征作为节点的属性，将相关度高的振动样本之间抽象为边，相关度作为边的权重，最大程度上利用有限振动样本中的信息。并提出一种多感受域图卷积网络模型，有效处理图结构数据，利用样本之间的相关信息，将不同感受域的特征结合起来，进一步提升了样本特征的质量，从而有效地提升水电机组故障诊断精度和实时性。
-
公开(公告)号：CN115221470A
公开(公告)日：2022-10-21
申请号：CN202210781952.6
申请日：2022-06-30
Applicant: 华中科技大学
Abstract: 本发明提供了一种自适应多元时变信号分解方法及系统，属于机械运行过程中信号分解领域，包括：采用希尔伯特变换对多元时变信号进行解析表示，获取多元信号解析式；假设在所有通道中存在一个共有频率分量，简化多元信号解析式；通过解调技术获取解调后的多元调频模式并与频移算子相乘，将解调后的多元调频模式的频谱移到基带后，使用多元时变信号的实信号替代多元时变信号，获取多元输入信号；采用递归提取框架，建立目标函数并将其离散化；基于离散化后的目标函数更新解调信号并提取目标信号模式，且基于多元输入信号中的解调信号更新共有瞬时频率，实现多元时变信号的分解。本发明解决了现有多元信号分解方法需要多元信号模式的先验知识的问题。
-
公开(公告)号：CN113283300B
公开(公告)日：2022-04-08
申请号：CN202110457485.7
申请日：2021-04-27
Applicant: 华中科技大学
IPC: G06K9/00 , G06K9/62 , G01M13/045 , G06F17/15 , G06F17/18
Abstract: 本发明提供了一种抽水蓄能机组轴系劣化评估方法及装置，属于机组故障预测与健康管理领域，方法具体为：利用实时运行过程中的状态量信号，结合核密度估计计算过程概率密度函数；结合健康概率密度函数获取劣化度，其并与各采样点的权重相乘后求和，获取机组轴系融合劣化度；支持结合预警劣化度阈值生成不同程度预警信号；获取健康概率密度函数和各采样点的权重方法为：将抽水蓄能机组轴系历史多测点多通道数据，按抽水蓄能机组状态量进行过程划分；根据候选健康样本的均值和标准差进行非支配排序，获取健康样本；结合核密度估计，计算各采样点的健康概率密度函数；将健康样本合成健康样本集，结合主成分分析获取权重。本发明具有很高的应用价值。
-
公开(公告)号：CN112651290A
公开(公告)日：2021-04-13
申请号：CN202011142739.8
申请日：2020-10-22
Applicant: 国家电网有限公司 , 国网新源控股有限公司 , 浙江仙居抽水蓄能有限公司 , 中国电建集团华东勘测设计研究院有限公司 , 华中科技大学
Abstract: 本发明实施例提供一种水电机组振动趋势预测方法和系统，方法包括：采集水电机组的原始信号特征集；基于最大信息系数(MIC)分析各本征模态分量与环境变量的相关性，提取相关性大于预设相关度阈值的环境变量作为各本征模态分量的环境特征；将每个本征模态分量及对应的环境特征构成特征输入序列，将特征输入序列按时间顺序作为神经网络的输入，进行神经网络训练，得到振动趋势预测模型；将当前待预测水电机组的每个本征模态分量及对应的环境特征构成特征输入向量，输入至振动趋势预测模型进行预测，并将所有预测结果进行融合得到水电机组的未来趋势预测值,大大提高了振动趋势预测结果的精度和稳定性。
-
公开(公告)号：CN112634391A
公开(公告)日：2021-04-09
申请号：CN202011596758.8
申请日：2020-12-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于压缩感知的灰度图像深度重建及故障诊断方法及系统，属于水电机组故障诊断领域，方法包括：对水电机组振动通道传感信号形成的原始信号阵列依次进行DWT稀疏变换和归一化处理，得到灰度图像阵列；对灰度图像阵列进行分块及压缩；电站维护端利用深度重建网络模型对各压缩图像块进行重建及整合得到重建图像，其中，深度重建网络模型利用全连接层对压缩图像块进行初次重建后，采用三个卷积层和激活层对初次重建后的图像进行拟合；电站维护端利用高斯卷积核对重建图像进行滤波，并基于滤波后的重建图像生成相应的故障诊断结果。提高压缩重建图像质量、重建速度以及故障诊断精度，深度重建方式对工业级高频采样信号传输尤为有利。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.048 seconds)
