公开(公告)号：CN119089268A

公开(公告)日：2024-12-06

申请号：CN202411190075.0

申请日：2024-08-28

Applicant: 东北大学

Inventor： 杨同光 ,  段易呈 ,  张永键 ,  何松霖 ,  韩清凯 ,  李学军 ,  蒋玲莉 ,  郭帅平 ,  周献文

IPC: G06F18/241 ,  G01M13/045 ,  G06F18/214 ,  G06F18/25 ,  G06N3/042 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/044 ,  G06F123/02

Abstract: 本发明的一种基于残差空时信息融合模型的绝缘轴承故障诊断方法，包括：利用2个三向振动传感器采集双馈风力发电机绝缘轴承的6个通道的原始振动信号，以捕获不同健康状态的绝缘轴承信息；将原始振动信号划分为80％的训练集数据和20％的测试集数据；构建图知识赋能的残差空时信息融合模型；所述采用清道夫算法对图知识赋能的残差空时信息融合模型的超参数进行优化；以训练集数据作为图知识赋能的残差空时信息融合模型的输入，故障类别作为输出，进行模型训练；将测试集数据输入到训练好的图知识赋能的残差空时信息融合模型之中，经过自动的空时特征残差学习过程，对融合后的特征数据进行故障分类，实现双馈风力发电机绝缘轴承的智能诊断。

公开(公告)号：CN117664576B

公开(公告)日：2024-06-21

申请号：CN202311615495.4

申请日：2023-11-29

Applicant: 东北大学

Inventor： 杨同光 ,  邱嵩芮 ,  党中华 ,  孟祥宇 ,  张帆宇 ,  杨芷威 ,  韩清凯

IPC: G01M13/045 ,  G06F30/17 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/084 ,  G06F111/08

Abstract: 本发明的一种基于改进优化器深度学习模型的轴承健康评估方法，包括：采集反映轴承健康状态的轴承全生命周期数据；建立基于门控循环单元和自注意力机制的轴承健康评估模型；对轴承全生命周期数据进行标准化处理，利用相对均方根指标将轴承生命周期划分为正常期和退化期，将标准化处理后的退化期数据划分成训练样本集和测试样本集；将训练样本集输入至轴承健康评估模型，提取出具有时序规律的粗粒度特征，建立被测轴承的虚拟健康状态评估指标，使用随机改进的牛顿梯度法对模型进行整体优化，完成模型训练；将测试样本集输入至训练好的轴承健康评估模型中，实现轴承健康状态的智能评估。本发明方法计算复杂度低、收敛速度快、简单有效易于实现。

公开(公告)号：CN116488561A

公开(公告)日：2023-07-25

申请号：CN202310463958.3

申请日：2023-04-26

Applicant: 东北大学

Inventor： 杨同光 ,  李开泰 ,  袁晟友 ,  米承权 ,  王铜宇 ,  韩清凯

IPC: H02S40/10 ,  H02S20/30 ,  H02S50/10

Abstract: 本发明涉及一种光伏发电设备及监测系统，包括主体；光伏发电组件，设置于主体；第二数据采集单元，设置于光伏发电组件，用于采集光伏发电组件的外部状态数据信息；清理组件，设置于光伏发电组件，用于清理处于光伏发电组件的异物；位置调节组件，设置于主体于光伏发电组件之间，用于调节光伏发电组件与主体之间的相对位置；第二数据采集单元与清理组件和位置调节组件连接，在外部状态数据信息超过预设范围值的情况下，清理组件和/或位置调节组件工作运行，对光伏发电组件进行清理和/或调整位置，以避免因异物或光照角度的问题而影响光伏发电组件的正常发电工作，从而极大程度确保了光伏发电组件真正损坏出现故障时才去进行维修。

公开(公告)号：CN117664576A

公开(公告)日：2024-03-08

申请号：CN202311615495.4

申请日：2023-11-29

Applicant: 东北大学

Inventor： 杨同光 ,  邱嵩芮 ,  党中华 ,  孟祥宇 ,  张帆宇 ,  杨芷威 ,  韩清凯

IPC: G01M13/045 ,  G06F30/17 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/084 ,  G06F111/08

Abstract: 本发明的一种基于改进优化器深度学习模型的轴承健康评估方法，包括：采集反映轴承健康状态的轴承全生命周期数据；建立基于门控循环单元和自注意力机制的轴承健康评估模型；对轴承全生命周期数据进行标准化处理，利用相对均方根指标将轴承生命周期划分为正常期和退化期，将标准化处理后的退化期数据划分成训练样本集和测试样本集；将训练样本集输入至轴承健康评估模型，提取出具有时序规律的粗粒度特征，建立被测轴承的虚拟健康状态评估指标，使用随机改进的牛顿梯度法对模型进行整体优化，完成模型训练；将测试样本集输入至训练好的轴承健康评估模型中，实现轴承健康状态的智能评估。本发明方法计算复杂度低、收敛速度快、简单有效易于实现。

公开(公告)号：CN117172306A

公开(公告)日：2023-12-05

申请号：CN202310922343.2

申请日：2023-07-26

Applicant: 东北大学

Inventor： 杨同光 ,  赵树标 ,  孟祥宇 ,  韩清凯

IPC: G06N3/096 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06F18/2415 ,  G06F18/27 ,  G06F18/25 ,  G06F18/15 ,  G06F30/27 ,  G06F30/23 ,  G06F119/14

Abstract: 本发明涉及一种大型ERSFD转子系统代理模型及训练方法、应用，其中，训练方法包括：通过大型ERSFD转子系统，获取源域信号、中间域信号和目标域信号；将源域信号输入至初始化代理模型，以对初始化代理模型进行训练，得到预训练模型为第一代理模型；将中间域信号输入至第一代理模型，以对第一代理模型的权重参数进行冻结，得到迁移学习之后的第二代理模型；在第二代理模型中引入自注意力机制进行优化实现模型的结构迁移，从而缩小实测数据和仿真数据的差异度；将目标域信号输入至第二代理模型，以对第二代理模型进行训练，得到目标代理模型。本发明在目标代理模型中引入迁移学习的思想，降低了获取真实大型ERSFD转子系统数据的成本。