-
公开(公告)号：CN118468019A
公开(公告)日：2024-08-09
申请号：CN202410395177.X
申请日：2024-04-02
Applicant: 三峡大学
IPC: G06F18/214 , G01M13/045 , G06F18/2131 , G06F18/2415 , G06T11/00 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 基于二维时频图像空间域和频域辅助分类生成对抗网络的不平衡轴承数据故障诊断方法，利用连续小波变换将一维原始振动信号通过提取特征转换为二维时频图样本；建立SAFD‑ACGAN模型；通过SAFD‑ACGAN模型生成具有清晰纹理细节和颜色信息的时频图像样本，对轴承不平衡数据集进行扩充得到平衡数据集；将平衡后的训练集时频样本输入到辅助分类器进行故障诊断模型的训练，再将测试集输入到训练好的辅助分类器中，从而实现轴承状态的准确预测。本发明故障诊断方法通过将原始一维振动信号用连续小波变换转换为二维时频图像，再利用生成网络生成具有清晰纹理细节和颜色信息的高质量时频伪图像的方式来平衡故障数据分布，进而提高故障诊断模型的准确率和稳定性。
-
公开(公告)号：CN117992852A
公开(公告)日：2024-05-07
申请号：CN202410204002.6
申请日：2024-02-23
Applicant: 三峡大学
IPC: G06F18/241 , G06F18/2135 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06F18/25 , G06N3/045
Abstract: 基于主成分分析和改进Wasserstein GAN的旋转机械故障诊断方法，包括：利用PCA算法对采集的多传感器数据降至三维，获得三通道时域特征；将三个通道中的每个通道指定长度的特征转换为矩阵，并融合三个通道的矩阵，获得具有多传感器信息的RGB图像；将RGB图片划分为不同样本数量的训练集数据，以及测试集数据；将训练集数据输入到改进WassersteinGAN网络模型，直至达到纳什平衡，并生成足量的样本扩充原始数据集，得到新的数据集；将得到新的数据集输入到搭建的残差CNN分类器进行训练；将测试集数据输入到训练好的残差CNN分类器中进行测试。本发明在Wasserstein GAN的生成器和判别器中分别引入L1损失函数和梯度惩罚项，以提高图片的生成质量和模型训练的稳定性，从而进一步提高生成图片质量。
-
公开(公告)号：CN116912170A
公开(公告)日：2023-10-20
申请号：CN202310683566.8
申请日：2023-06-09
Applicant: 三峡大学
Abstract: 基于图像处理与形态特征分析的架空地线断股检测方法，包括步骤：采集架空地线图像，对架空地线图像进行预处理；采用基于HSV颜色空间的多阈值分割方法，获得包含架空地线的候选连通区域；通过形态学处理方法，在候选连通区域中筛选出架空地线连通区域；分析架空地线断股区域与正常地线之间的不同之处，总结出两者的差异性特征；对架空地线二值图进行扫描，判定是否存在断股区域，若存在断股区域，继续下一步操作；若不存在断股区域，检测结束；依据地线线径宽度变换情况识别断股区域位置；用矩形框标记断股区域位置，并进行标注。该方法结合架空地线断股区域形态特征信息实现了架空地线断股区域位置的自动检测，有效解决了人工巡检效率低下的问题。
-
公开(公告)号：CN116227067A
公开(公告)日：2023-06-06
申请号：CN202310140110.7
申请日：2023-02-17
Applicant: 三峡大学
Abstract: 一种大型水轮发电机整距双层叠绕定子绕组快速建模方法，包括以下步骤：步骤1：构建零部件三维模型；步骤2：确定定子绕组基本参数，获取零部件自动排列序列；步骤3：确定零部件基本参数，在虚拟空间中动态加载；步骤4：完成对定子绕组结构认知的应用。本发明将定子绕组结构化管理并结合Uinty3D引擎软件UGUI和功能丰富的脚本，极大增强了人机交互性能，提高了检修效率。
-
公开(公告)号：CN115962946A
公开(公告)日：2023-04-14
申请号：CN202310093646.8
申请日：2023-01-18
Applicant: 三峡大学
IPC: G01M13/045 , G06F18/213 , G06F18/00
Abstract: 基于改进WGAN‑GP和Alxnet的轴承故障诊断方法，获取轴承原始振动信号，使用小波变换，将原始振动信号转换成不同故障类别的时频域信号；将时频域信号分为训练集和测试集，并且构造非平衡数据集；构建改进的WGAN‑GP网络，在生成器中融合自注意模块和DenseNet模块，以自动学习重要的全局信息；将非平衡数据集的训练集作为改进的WGAN‑GP网络的输入，将生成器生成的故障数据添加到非平衡数据集中进行数据扩充，最终得到平衡数据集；在平衡数据集的基础上，对Alxnet分类器进行训练，并检测故障诊断性能。本发明方法基于改进WGAN‑GP生成的数据，解决了数据不平衡的问题，使得故障诊断网络提取更加有效的特征来获取更好的分类精确度，并且在不同故障类别下均有良好的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN109698525B
公开(公告)日：2022-03-08
申请号：CN201910140345.X
申请日：2019-02-21
Applicant: 三峡大学
IPC: H02J3/46
Abstract: 一种数据驱动的梯级水电和新能源联合运行模型，包括基础数据模块：储存模块所需的基本数据；运行数据模块：储存电网、梯级流域和电站的3类实时运行数据和1类调度决策数据。梯级优化模块：形成梯级水电站的调度策略；厂内优化模块：制定调度计划任务；梯级运行模块：对梯级水电站进行仿真；风电模块：对风电的出力进行仿真；光电模块：对光伏的出力进行仿真；常规电源模块：对常规电源的出力进行仿真；负荷模块，对负荷特性进行仿真；电网运行模块，对联合系统的运行进行仿真。本发明对梯级水库群运行、水电厂厂内优化、电网运行进行实时仿真，利用实时仿真数据，结合各电站所在地的天气数据、接入点电网的负荷数据，对梯级水电站的调度策略进行优化，优化对结果再通过上述的梯级水库群、水电机组、电网的仿真模块中进行验证。
-
公开(公告)号：CN108805038B
公开(公告)日：2021-06-04
申请号：CN201810502596.3
申请日：2018-05-23
Applicant: 三峡大学
Abstract: 一种变电站保护压板状态识别方法,采集功能压板、出口压板、备用压板的屏柜图像；根据RGB值对采集图像提取有效色块；对所得图像进行形态学处理，将孔洞区域填充为连通区域；对所有连通区域进行分析，计算区域像素面积、区域边界像素尺寸、区域等效长宽比等，并进行阈值联合比较，确定有效压板区域个数；判断筛选出的有效压板个数是否等于已知，若相等则继续，否则重新进行图像采集并重复上述流程；对有效压板区域依据方向角判据识别各压板的投退状态；依据各区域重心，按照从上至下、从左至右的顺序确定有效压板顺序，进而识别出屏柜有效压板投退状态的标识序列。本发明有效解决了人工巡检时的误操作问题，可为变电站智能化建设与运行提供一定技术支持。
-
公开(公告)号：CN112508940A
公开(公告)日：2021-03-16
申请号：CN202011533308.4
申请日：2020-12-22
Applicant: 三峡大学
Abstract: 变电站功能型保护压板投退状态辨识方法，包括如下步骤：采集包含所有压板的屏柜彩色图像；截取压板区域并进行图像校正；采用多策略分割融合方法提取有效压板区域；获取目标区域内有效压板的方向角和宽长比形态特征，辨识压板投退状态。本发明方法解决了因拍照角度而出现图像畸变，以及因屏幕背景复杂、受光照影响产生阴影导致的辨识率较低的问题。通过本发明能够准确而快速地辨识各种复杂背景干扰下的压板投退状态，有效提高变电站运维工作的效率，有助于减少安全隐患。
-
公开(公告)号：CN119535203A
公开(公告)日：2025-02-28
申请号：CN202411477553.6
申请日：2024-10-22
Applicant: 三峡大学
IPC: G01R31/34 , G08B21/18 , G01D21/02 , G06F18/243 , G06F18/2411 , G06F18/2131 , G06F18/10 , G06F123/02
Abstract: 一种电机转子偏心故障预警装置，包括检测单元：采集运行状态下的电机运行数据，与偏心故障状态下的电机数据进行比较；存储单元：储存电机运行状态下的数据、偏心故障和报警数据；预警单元：检测单元算法通过生成预警信息并触发报警机制，及时通知相关维护人员。预警生成过程根据异常检测的结果判断故障等级，并在超过设定阈值时发送通知。异常信号及其特征将记录在数据库中，供后续分析使用。显示单元：实时显示电机运行数据，并在触发预警提示时显示预警信息。本发明提供的一种电机转子偏心故障预警装置，能对电机动态偏心故障进行准确的预警。
-
公开(公告)号：CN118464449A
公开(公告)日：2024-08-09
申请号：CN202410550097.7
申请日：2024-05-06
Applicant: 三峡大学
IPC: G01M13/045 , G06F18/25 , G06F18/2131 , G06F18/211 , G06F18/243 , G06F18/2337
Abstract: 基于特征融合与FCM算法的轴承故障诊断方法，对轴承振动信号进行时域分析，提取多个时域特征；通过一维离散小波包变换对轴承振动信号进行多层小波包分解，得到多个小波包，以这些小波包的归一化能量作为频域特征；分别对提取的时域特征和频域特征进行类别可分性比较，筛选出时域优势特征和频域优势特征；通过LLE算法分别对时域优势特征和频域优势特征进行降维融合，得到一维时域融合特征和一维频域融合特征；联合所得一维时域融合特征与一维频域融合特征，构成二维联合特征；使用FCM算法对得到的二维联合特征进行聚合分类，得到诊断结果。该方法充分利用信号时域特征与频域特征之间的联系，有效提高轴承故障诊断的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.021 seconds)
