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：CN117473411A

公开(公告)日：2024-01-30

申请号：CN202310865817.4

申请日：2023-07-14

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  付晓梦婷 ,  胡爱军 ,  邴汉昆 ,  朱国鹏 ,  王凯伦

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 一种基于改进Transformer模型的轴承寿命预测方法,所述方法包括以下步骤：a.数据预处理；b.滚动轴承寿命预测模型的搭建：利用动态卷积层对数据进行特征提取，使用包含多头ProbSparse自注意力模块的编码器结构，对每个头采用不同的优化策略，搭建滚动轴承寿命预测模型；c.轴承剩余寿命预测模型的训练；d.轴承剩余寿命的预测。本发明采用动态卷积、Transformer模型架构和ProbSparse自注意力相结合的方法来预测滚动轴承剩余寿命，能够有效提取轴承振动信号中与寿命相关的特征，同时还对多个工况的轴承的预测具有泛化能力，可对轴承数据保持较高的预测精度，保证机械设备安全稳定运行。

公开(公告)号：CN116956473A

公开(公告)日：2023-10-27

申请号：CN202310320990.6

申请日：2023-03-29

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  张悦 ,  陈凯乐 ,  胡爱军 ,  张兰昕 ,  邴汉昆

IPC: G06F30/17 ,  G06F30/20 ,  G06F119/02 ,  G06F119/14

Abstract: 一种燃气轮机多盘拉杆转子多故障下的动力学建模方法，其建模步骤为：步骤1，根据拉杆转子系统圆盘之间的恢复力，建立拉杆转子圆盘之间的接触刚度模型；步骤2，根据转子系统的故障特征，建立碰摩、裂纹、油膜失稳等故障的仿真计算模型；步骤3，根据所述接触刚度模型和转子故障模型建立多故障下多盘拉杆转子系统的动力学模型。本发明提供的建模方法，考虑了圆盘之间的接触效应以及多种转子故障等非线性因素的影响，为燃气轮机拉杆转子的动力学特性和故障特征研究提供了理论基础。

公开(公告)号：CN117390516A

公开(公告)日：2024-01-12

申请号：CN202311449527.8

申请日：2023-11-02

Applicant: 华北电力大学(保定)

Inventor： 向玲 ,  赵晨辉 ,  苏浩 ,  胡爱军 ,  邴汉昆 ,  王宁

IPC: G06F18/241 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 一种风电机组滚动轴承迁移故障可解释性诊断方法，所述方法包括以下步骤：a.构建源域数据集和目标域数据集；b.构建故障诊断模型；c.完成对故障诊断模型的训练；d.对故障诊断模型进行验证；e.将待诊断轴承的振动信号输入到故障诊断模型，识别故障的类型；f.利用格拉姆角场将模型提取的空间池化特征转为二维数据，并对处理后的数据取对角线数据求取概率分布，从而赋予模型可解释能力。本发明在深度学习结构中融合多尺度并行机制，利用空间池化机制混合提取后的多尺度特征，利用Wasserstein距离缩小源域和目标域特征之间的分布差异，可有效提取振动信号中的多尺度信息，实现了对风电机组滚动轴承故障状态的准确识别。