-
公开(公告)号：CN110597240B
公开(公告)日：2021-03-30
申请号：CN201911019873.6
申请日：2019-10-24
Applicant: 福州大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于深度学习的水轮发电机组故障诊断方法，首先采集水电机组运行时的振动信号作为样本，并建立数据库；对数据进行预处理，即对原始振动信号进行重构；接着将重构后的数据集分割成训练集、验证集以及测试集；然后训练一维卷积神经网络（1‑D CNN）与门控循环单元（GRU）相结合的网络，并对网络参数进行优化，以避免网络过拟合；最后利用训练好的网络参数建立水电机组故障诊断模型，将测试集样本输入至该模型中，实现水电机组故障诊断。本发明能够提高水电机组故障诊断的准确性。
-
公开(公告)号：CN112183400A
公开(公告)日：2021-01-05
申请号：CN202011062661.9
申请日：2020-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种新型的配电变压器潜伏性故障特征提取方法及系统，包括步骤：采用改进经验小波变换方法对配电变压器的振动信号进行分解，获得各阶经验小波函数分量；剔除干扰分量并选取相关系数高的分量，得到筛选后的l阶经验小波函数分量；采用精细化复合多尺度分散熵对筛选后的各阶经验小波函数分量进行量化分析，从多个时间尺度衡量各分量分布的不确定性；采用数学统计量对筛选后的各阶经验小波函数分量进行统计分析；将精细化复合多尺度分散熵和数学统计量的分析结果共同构成配电变压器混合特征。本发明所构建的特征能够更好的表征配电变压器的故障特性。
-
公开(公告)号：CN112183400B
公开(公告)日：2023-04-07
申请号：CN202011062661.9
申请日：2020-09-30
Applicant: 福州大学
IPC: G06F18/2131 , G06F18/15 , G06F18/24 , G01R31/62 , G01R31/72
Abstract: 本发明涉及一种新型的配电变压器潜伏性故障特征提取方法及系统，包括步骤：采用改进经验小波变换方法对配电变压器的振动信号进行分解，获得各阶经验小波函数分量；剔除干扰分量并选取相关系数高的分量，得到筛选后的l阶经验小波函数分量；采用精细化复合多尺度分散熵对筛选后的各阶经验小波函数分量进行量化分析，从多个时间尺度衡量各分量分布的不确定性；采用数学统计量对筛选后的各阶经验小波函数分量进行统计分析；将精细化复合多尺度分散熵和数学统计量的分析结果共同构成配电变压器混合特征。本发明所构建的特征能够更好的表征配电变压器的故障特性。
-
公开(公告)号：CN110597240A
公开(公告)日：2019-12-20
申请号：CN201911019873.6
申请日：2019-10-24
Applicant: 福州大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于深度学习的水轮发电机组故障诊断方法，首先采集水电机组运行时的振动信号作为样本，并建立数据库；对数据进行预处理，即对原始振动信号进行重构；接着将重构后的数据集分割成训练集、验证集以及测试集；然后训练一维卷积神经网络（1-D CNN）与门控循环单元（GRU）相结合的网络，并对网络参数进行优化，以避免网络过拟合；最后利用训练好的网络参数建立水电机组故障诊断模型，将测试集样本输入至该模型中，实现水电机组故障诊断。本发明能够提高水电机组故障诊断的准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
