一种应用于风机故障检测的迁移学习框架

    公开(公告)号:CN115456082A

    公开(公告)日:2022-12-09

    申请号:CN202211128071.0

    申请日:2022-09-16

    Abstract: 本发明公开了一种应用于风机故障检测的迁移学习框架,涉及故障检测领域,包括基于对抗训练方法构建的基本域自适应(DA,Domain Adaption)迁移学习框架和计算数据点权重的辅助分类器与辅助鉴别器两部分,所述学习框架实现了不变特征空间的提取与故障分类器的训练,所述故障分类器是通过DA框架在不变特征空间上训练的,从而在源域和目标域上均能适用,从而实现了迁移学习的基本功能;所述辅助分类器与辅助鉴别器自动为所述源域与所述目标域中共有的故障标签所对应的样本点赋予较高的权重值,其他离群标签下的数据点被赋予较低权重值,自适应地识别和过滤掉不相关的源域样本。本发明利用域自适应迁移学习框架可以处理缺少故障标签的风机SCADA数据上的故障诊断。

    双五轴箱底镜像铣机床的同步同轴误差的测量方法及系统

    公开(公告)号:CN118809306A

    公开(公告)日:2024-10-22

    申请号:CN202411057350.1

    申请日:2024-08-02

    Abstract: 本发明提供了一种双五轴箱底镜像铣机床的同步同轴误差的测量方法及系统,包括:步骤S1:采用五个位移传感器同时测量同步运动中的刀尖点和刀轴方向误差,基于旋量理论建立双五轴镜像铣机床的运动学模型,运动学模型基于双五轴机床独有的同步同轴约束用于测量轨迹生成;步骤S2:使用基于刀轴测量的同步同轴误差直接测量方法,提升对同轴误差的测量精度和效率。本发明基于同步同轴约束,建立了双五轴箱底镜像铣机床的同步同轴误差模型,直接评估了双五轴箱底镜像铣机床的同步同轴误差。

    一种基于多层级时空图神经网络的风机异常状态检测方法

    公开(公告)号:CN115560962A

    公开(公告)日:2023-01-03

    申请号:CN202211128064.0

    申请日:2022-09-16

    Abstract: 本发明公开了一种基于多层级时空图神经网络的风机异常状态检测方法,涉及风电机组异常检测领域,包括正常行为预测模型训练、风机在线异常监测;正常行为预测模型训练包括:利用图注意力机制网络层对风机组传感器节点特征进行重构;构建风机组各功能单元全局互连图,通过多头注意力机制增强各个功能单元特征隐藏的关联信息和训练模型的可解释性;风机在线异常监测利用最大后验估计、正常行为预测模型、先验概率模型,创建风机在每个时间窗口正常状态下的输出功率的正态分布模型,通过Boxplot方法提供异常检测的自适应阈值。本发明能够实现良好的故障监测及故障预判,有效提高SCADA的在线监测效率,避免因故障无法得到即时维修照成的经济损失。

Patent Agency Ranking