-
公开(公告)号：CN107725283B
公开(公告)日：2019-05-21
申请号：CN201710845180.7
申请日：2017-09-19
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: F03D17/00
Abstract: 本发明公开了一种基于深度信念网络模型的风机故障检测方法，它是采用深度信念网络建立风机流量预测模型，通过选择与风机流量相关的状态参数作为模型的输入变量，对风机的流量进行预测。深度信念网络由多层连续型限制玻尔兹曼机连续型限制玻尔兹曼机堆叠而成，并采用自适应步长方法加速算法训练过程。此外，根据滑动窗口计算残差分布特性，当残差的均值或标准差超过阈值时，发出报警。本发明能够准确预测风机流量，同时能够检测出风机异常工作状态，实现对风机的故障检测。
-
Patent Agency Ranking
公开(公告)号：CN108416106A
公开(公告)日：2018-08-17
申请号：CN201810113302.8
申请日：2018-02-05
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司 , 东南大学
IPC: G06F17/50
Abstract: 本发明公开了基于多尺度主元分析的给水泵故障检测方法，利用离散小波变换对采集的变量数据进行分解，利用主元分析法确定在每个尺度内的小波系数，再将大于特定阈值的系数选出来产生多尺度的模型；利用主元分析法对新的统计量进行建模，分别计算T2统计量和Q统计量，当其中有一个统计量超出阈值时即发出故障警报。本发明的给水泵的过程数据本质上是多尺度的，在不同的时域和频域中存在差异性，传统的基于单一尺度的统计方法不能够将表现系统运行状态的主要变量准确分隔出来；因此选取多尺度的主成分分析法进行特征提取可以提高检测的灵敏度。
-
公开(公告)号：CN107725283A
公开(公告)日：2018-02-23
申请号：CN201710845180.7
申请日：2017-09-19
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: F03D17/00
CPC classification number: F03D17/00 , F05B2260/84
Abstract: 本发明公开了一种基于深度信念网络模型的风机故障检测方法，它是采用深度信念网络建立风机流量预测模型，通过选择与风机流量相关的状态参数作为模型的输入变量，对风机的流量进行预测。深度信念网络由多层连续型限制玻尔兹曼机连续型限制玻尔兹曼机堆叠而成，并采用自适应步长方法加速算法训练过程。此外，根据滑动窗口计算残差分布特性，当残差的均值或标准差超过阈值时，发出报警。本发明能够准确预测风机流量，同时能够检测出风机异常工作状态，实现对风机的故障检测。
-
公开(公告)号：CN108416106B
公开(公告)日：2022-02-08
申请号：CN201810113302.8
申请日：2018-02-05
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司 , 东南大学
IPC: G06F30/20
Abstract: 本发明公开了基于多尺度主元分析的给水泵故障检测方法，利用离散小波变换对采集的变量数据进行分解，利用主元分析法确定在每个尺度内的小波系数，再将大于特定阈值的系数选出来产生多尺度的模型；利用主元分析法对新的统计量进行建模，分别计算T2统计量和Q统计量，当其中有一个统计量超出阈值时即发出故障警报。本发明的给水泵的过程数据本质上是多尺度的，在不同的时域和频域中存在差异性，传统的基于单一尺度的统计方法不能够将表现系统运行状态的主要变量准确分隔出来；因此选取多尺度的主成分分析法进行特征提取可以提高检测的灵敏度。
-
公开(公告)号：CN108459585A
公开(公告)日：2018-08-28
申请号：CN201810309461.5
申请日：2018-04-09
Applicant: 东南大学
IPC: G05B23/02
Abstract: 本发明提出一种基于稀疏局部嵌入深度卷积网络的故障诊断方法，包括：风机数据选择及预处理；训练稀疏局部嵌入深度卷积网络的前两层，得到稀疏系数矩阵和前两层网络的输出矩阵；在输出层中，对前两层网络的输出矩阵进行池化处理，并输出故障特征；训练支持向量机分类器，对故障特征进行分类，输出为故障的原因及程度；根据每一个采样时刻的输入数据，进行在线故障诊断。本发明方法能够检测出风机故障的程度和原因，提高风机运行的安全性、可靠性。网络前两层采用稀疏局部嵌入方法代替了卷积核，对输入数据进行特征选择，避免了复杂的训练和调参过程，另外采用空间金字塔最大池化作为网络的输出层，减少了网络的输出维数和分类器的计算量。
-
公开(公告)号：CN108459585B
公开(公告)日：2021-06-01
申请号：CN201810309461.5
申请日：2018-04-09
Applicant: 东南大学
IPC: G05B23/02
Abstract: 本发明提出一种基于稀疏局部嵌入深度卷积网络的故障诊断方法，包括：风机数据选择及预处理；训练稀疏局部嵌入深度卷积网络的前两层，得到稀疏系数矩阵和前两层网络的输出矩阵；在输出层中，对前两层网络的输出矩阵进行池化处理，并输出故障特征；训练支持向量机分类器，对故障特征进行分类，输出为故障的原因及程度；根据每一个采样时刻的输入数据，进行在线故障诊断。本发明方法能够检测出风机故障的程度和原因，提高风机运行的安全性、可靠性。网络前两层采用稀疏局部嵌入方法代替了卷积核，对输入数据进行特征选择，避免了复杂的训练和调参过程，另外采用空间金字塔最大池化作为网络的输出层，减少了网络的输出维数和分类器的计算量。
-
-
-
-
-
Search Results
6
records
(took 0.038 seconds)
