公开(公告)号：CN117287352A

公开(公告)日：2023-12-26

申请号：CN202310864955.0

申请日：2023-07-14

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  姚青陶 ,  胡爱军 ,  邴汉昆 ,  朱国鹏

IPC: F03D17/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种风电机组状态监测方法,所述方法包括以下步骤：a.数据预处理：①对风力发电机组SCADA数据集进行数据清洗；②确定神经网络模型的线性回归预测参数；③选择神经网络模型的输入参数；④设置训练集和测试集；b.神经网络模型的搭建；c.神经网络模型的训练；d.参数的预测；e.多参数联动分析计算；f.风力发电机组状态监测。本发明使用TCformer模型对风力发电机组各个部件的参数进行预测，并考虑到各部件间的相互影响，使用MCV对多参数进行联动分析，实现风力发电机组的状态监测，可及时发现风电机组的潜在故障，有助于合理制定维护计划，减少经济损失，保证电力系统的安全稳定运行。

公开(公告)号：CN114444218A

公开(公告)日：2022-05-06

申请号：CN202111212782.1

申请日：2021-10-19

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  苏浩 ,  胡爱军 ,  杨鑫 ,  陈凯乐 ,  陈锦鹏 ,  姚青陶

IPC: G06F30/17 ,  G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种多工况下小样本滚动轴承故障诊断方法，所述方法包括以下步骤：a.构建成任务集；b.将任务集中的数据输入到ISDAE进行重构，得到保留了原始信号中的有效特征，并降低了噪声的重构信号矩阵；c.利用MAML对重构信号进行分类，训练MAML的模型参数，获得最优网络模型；d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型，判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障，不仅能够提取原始振动信号中的可分性特征，提高信号的抗噪声能力，而且能够提高模型的泛化能力，从而可准确地诊断多工况下小样本数据的轴承故障，保证机械设备安全运行。

公开(公告)号：CN114444218B

公开(公告)日：2024-09-06

申请号：CN202111212782.1

申请日：2021-10-19

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  苏浩 ,  胡爱军 ,  杨鑫 ,  陈凯乐 ,  陈锦鹏 ,  姚青陶

IPC: G06F30/17 ,  G06F30/27 ,  G06F18/241 ,  G06N3/04 ,  G06N3/0985

Abstract: 一种多工况下小样本滚动轴承故障诊断方法，所述方法包括以下步骤：a.构建成任务集；b.将任务集中的数据输入到ISDAE进行重构，得到保留了原始信号中的有效特征，并降低了噪声的重构信号矩阵；c.利用MAML对重构信号进行分类，训练MAML的模型参数，获得最优网络模型；d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型，判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障，不仅能够提取原始振动信号中的可分性特征，提高信号的抗噪声能力，而且能够提高模型的泛化能力，从而可准确地诊断多工况下小样本数据的轴承故障，保证机械设备安全运行。