公开(公告)号：CN118410278A

公开(公告)日：2024-07-30

申请号：CN202410536109.0

申请日：2024-04-29

Applicant: 西北农林科技大学

Inventor： 蒲树仁 ,  吴凤娇 ,  张文静 ,  张婷婷 ,  王斌 ,  熊星 ,  李昂

IPC: G06F18/10 ,  G06F18/213 ,  G06F18/2113

Abstract: 本发明公开了一种基于CEEMDAN‑PE‑SVD‑奇异熵的振动信号自适应降噪方法，涉及降噪领域。包括以下步骤：采集待测水电机组的振动信号；采用CEEMDAN对待测振动信号进行分解处理，得到满足分解终止的条件的振动信号的若干分量；计算满足分解终止的条件的振动信号的若干分量的PE值并计算阈值，筛选振动信号分量；对筛选的振动信号分量进行SVD分解；计算奇异熵，确定SVD有效秩阶数并重构分量；将小于阈值的振动信号分量与重构后的分量融合重构，得到最终降噪后的振动信号。本发明有助于实现机组信号的有效降噪。

公开(公告)号：CN119538040A

公开(公告)日：2025-02-28

申请号：CN202411588338.3

申请日：2024-11-07

Applicant: 西北农林科技大学

Inventor： 吴凤娇 ,  李昂 ,  蒲树仁 ,  张婷婷 ,  王斌 ,  熊星

IPC: G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G01R31/34

Abstract: 本发明公开了一种基于MSST‑CNN的水电机组故障诊断方法、系统及存储介质，涉及水电机组故障诊断领域。本发明包括以下步骤：获取水电机组不同状态振动信号；利用改进的多尺度同步压缩变化方法对不同状态的振动信号进行预处理，得到振动信号图像；将振动信号图像作为测试集和训练集对卷积神经网络进行训练，得到MSST‑CNN模型；将待检测信号特征输入到卷积神经网络中进行特征提取和故障分类。本发明提高了诊断精度，为水电机组故障诊断提供了新思路，具有一定的现实意义。

公开(公告)号：CN116451024A

公开(公告)日：2023-07-18

申请号：CN202310416707.X

申请日：2023-04-18

Applicant: 西北农林科技大学

Inventor： 吴凤娇 ,  任晟民 ,  蒲树仁 ,  王斌 ,  蒋禧

IPC: G06F18/10 ,  G06F18/2131 ,  G06F17/10 ,  G06F18/24 ,  G01M13/00 ,  F03B11/00

Abstract: 本发明公开了一种水电机组早期故障检测方法、系统及可存储介质，属于机械故障诊断方法技术领域。该方法包括：采集水轮机的振动数据，并将所述振动数据作为源数据；将所述源数据进行基于二元分解法盲源分解出多个源信号；将分解出的多个源信号分别进行基于快速傅里叶变换的替代数据处理，得到替代数据；基于替代数据进行非线性结构损伤判定以及故障传播路径绘制。本发明利于早期故障的发现与维护，从而降低了水电机组的维护成本。