一种基于深度学习与多重信号分解的信号预测方法及系统

    公开(公告)号:CN119166993A

    公开(公告)日:2024-12-20

    申请号:CN202411168417.9

    申请日:2024-08-23

    Abstract: 本发明提供一种基于深度学习与多重信号分解的信号预测方法及系统,涉及水电机组故障诊断技术领域。包括获取多个不同信号通道的时序数据并进行预处理,采用EEMD对预处理后的时序信号数据进行分解,这些分量能够更好地表示信号的不同频率成分,一阶IMF分量进行变分模态分解(VMD),将其进一步分解为多个模态分量,提取更细致的模态信息,提高了预测精度,再将分解的模态分量输入搭建的LSTM预测模型,以识别时间序列中的模式和趋势,从而获取预测结果,结合了EEMD和VMD进行多层次的信号分解,从而提取出更加精细的特征,再通过LSTM模型进行时间序列预测,具有较高的预测精度和鲁棒性,大大提升了预测功能的准确性。

    一种新型磁极铁心结构
    10.
    发明公开

    公开(公告)号:CN118017725A

    公开(公告)日:2024-05-10

    申请号:CN202311647270.7

    申请日:2023-12-04

    Abstract: 本发明提供了一种新型磁极铁心结构,包括由多个正片磁极铁心冲片叠压构成的铁心部,正片磁极铁心冲片第二安装孔内套装有阻尼条,阻尼条的两端分别对称安装有阻尼环,阻尼环的两侧设有磁极铁心冲片,靠近阻尼条端头的磁极铁心冲片外侧安装有磁极压板,磁极压板、磁极铁心冲片、阻尼环通过拉紧螺杆连接为一整体结构,磁极铁心冲片包括冲片本体,冲片本体上设有与拉紧螺杆配合的通孔,冲片本体顶部对称分布有用于对阻尼环的连接端进行夹持的两个靴部,两个靴部之间设有向上开口。本发明通过磁极铁心冲片的靴部能对阻尼环的连接端进行紧密可靠的夹持,减小了阻尼环的悬臂,提高了阻尼环在轴向的刚度。

Patent Agency Ranking