-
公开(公告)号：CN118445693A
公开(公告)日：2024-08-06
申请号：CN202410422729.1
申请日：2024-04-09
Applicant: 东北石油大学
IPC: G06F18/2411 , G06F18/23213 , G06F18/213 , G06F18/15
Abstract: 本发明涉及抽油机故障诊断技术领域，具体涉及基于流形学习的抽油机故障诊断方法，首先对故障数据进行预处理，达到去除异常值，清洗数据的目的，其次使用流形学习算法对故障数据降维能够充分提取出故障信息；同时，对于任意故障新样本，都可使用投影矩阵和变换矩阵实现快速降维，大大减少了工作量，最后，支持向量机对提取到的故障信息进行分类识别并计算出分类准确率。本发明通过对诊断算法进行改进，使得该诊断方法能够有效提取故障样本信息、提高抽油机故障诊断的效率和准确率。
-
公开(公告)号：CN116049753A
公开(公告)日：2023-05-02
申请号：CN202310057454.1
申请日：2023-01-14
Applicant: 东北石油大学
IPC: G06F18/2433 , G01M13/04 , G06F18/2132 , G06F18/10 , G06F17/18
Abstract: 本发明涉及故障诊断技术领域，尤其涉及一种基于判别偏最小二乘算法的抽油机故障诊断方法，通过将两组变量的类别信息纳入PLS模型中，探索一个潜在的低维空间，增强不同类故障样本之间的可分性，提高故障诊断的精确度，针对设备信号的高维数特点，提出在流形降维框架下对故障样本进行维数约简，降低数据的复杂度，减小信息各维度间的兀余性。增强了故障样本数据在该空间中特征的鉴别能力，提升嵌入结果的可分性能和聚类性能，更有效地区分不同类型故障样本，从而进一步提高故障特征分类准确率和故障诊断精度。
-
公开(公告)号：CN115951287A
公开(公告)日：2023-04-11
申请号：CN202211728313.X
申请日：2022-12-30
Applicant: 东北石油大学
IPC: G01R35/00 , G01R31/367
Abstract: 本发明涉及锂电池故障诊断技术领域，尤其涉及一种锂电池传感器故障诊断方法，通过库伦计数法得到参考SOC，使用SMO‑EKF联合估计方法得到估计SOC，计算二者的残差绝对值是否超过阈值，并进一步判断电池本体温度是否正常，再根据串联电池组残差情况判断锂电池传感器故障发生部位，本方法将EKF和SMO结合的估算方法可以兼顾二者优势，实现锂电池SOC的高精度估算，从而减小传感器非故障条件下的残差，降低故障误报率。
-
公开(公告)号：CN118797980B
公开(公告)日：2025-02-14
申请号：CN202410449534.6
申请日：2024-08-06
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06F30/23 , G06F17/13 , G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 一种面向类不平衡数据场景的数模双驱动油气管网故障诊断方法及系统，涉及油气管网的故障诊断领域，旨在解决当前智能故障诊断模型在处理油田类不平衡数据集时所面临的过拟合问题，以及降低误报和漏报的风险。主要步骤如下：深入理解油气在管网中运动时负压波的传播和衰减机理，建立反映管网运行状态的负压波衰减物理模型；基于长短时记忆网络构建适用于处理时间序列数据的深度生成对抗模型；设计合理的串‑并联机制融合物理模型以及数据驱动模型，构建混合生成对抗模型；使用训练好的混合生成对抗模型生成管网故障数据，平衡原始训练集；训练智能故障诊断模型，实现管道故障类型识别。本发明同时考虑和整合来自物理模型的先验知识和数据驱动模型的学习能力，与单纯的数据驱动模型相比，物理模型所含的管网先验知识能够缩小参数空间搜索域，减少估计参数量，提高深度生成模型的可解释性与泛化性能，同时提升生成故障数据的物理合理性与特征可区分性，从而有效克服类不平衡数据集对诊断模型性能的负面影响，进而提升管道智能故障诊断的准确性。
-
公开(公告)号：CN119077492A
公开(公告)日：2024-12-06
申请号：CN202411192406.4
申请日：2024-08-28
Applicant: 东北石油大学
IPC: B24B7/22 , B24B19/22 , B24B41/06 , B24B47/04 , B24B47/12 , B24B47/22 , B24B49/04 , B24B55/02 , B24B55/06
Abstract: 本发明公开了一种自动岩石薄片磨制装置及岩石薄片的磨制方法，其中自动岩石薄片磨制装置包括机壳、磨盘、转动机构、升降机构和夹具；所述机壳的上表面设有沉槽，沉槽的下方设有第一设备腔；转动机构包括第一转动电机、中心轴和压力传感器；中心轴的上端与磨盘固定连接，中心轴的下端从沉槽伸入所述第一设备腔；第一转动电机安装于第一设备腔内，第一设备腔设有与中心轴下端正对的凸台，压力传感器固定于凸台上面，且中心轴的下端通过推力轴承正压于压力传感器的上面；第一转动电机的输出轴与中心轴传动连接，通过第一转动电机带动中心轴转动，进而使磨盘在沉槽内转动。本发明提了高岩石薄片磨制的成品率和加工效率，降低岩石薄片的磨制成本。
-
Patent Agency Ranking
公开(公告)号：CN118331038A
公开(公告)日：2024-07-12
申请号：CN202410267098.0
申请日：2024-03-08
Applicant: 东北石油大学
IPC: G05B13/04
Abstract: 一种基于观测器级联的线性系统故障诊断方法，属于系统故障诊断技术领域，为了解决故障发生较多时彼此间相互影响和外部干扰因素影响，造成观测器难以获得准确系统故障信息的问题；本发明通过提出未知输入观测器和自适应Luenberger观测器级联的故障估计方法，在已知输入信息输出信息不足又有多个故障的情况下，根据未知输入观测器的特点，将执行器故障以及未知输入解耦，得到传感器故障，对原系统补偿再设计自适应Luenberger观测器，然后利用线性矩阵不等式算法设计观测器增益，实现执行器故障和未知输入的鲁棒估计，保证了观测器获取系统故障信息的准确性。
-
公开(公告)号：CN110991566B
公开(公告)日：2022-09-27
申请号：CN201911363285.4
申请日：2019-12-26
Applicant: 东北石油大学
Abstract: 本公开涉及一种通过信息融合方式进行风力发电机故障诊断的方法和装置。所述方法包括根据风力发电机在不同运行状态下的运行数据，构建原始数据空间；确定所述原始数据空间中任一样本数据的K近邻样本数据，利用第一方式，得到任一样本数据与其对应的K近邻样本数据之间的局部线性结构；基于所述样本数据，利用第二方式，得到所述原始数据空间中所有样本的类内散射图和类间散射图的监督信息；基于所述第一方式得到的局部线性结构和所述第二方式得到的监督信息，得到所述原始数据空间中所述样本数据的低维特征；基于所述的低维特征利用KNN分类器，得到风力发电机的故障诊断结果，同时还能通过训练样本得到最佳映射方向，实现对新增故障数据的快速处理。本公开可以提高风力发电机的故障诊断精度。
-
公开(公告)号：CN111062447A
公开(公告)日：2020-04-24
申请号：CN201911362110.1
申请日：2019-12-26
Applicant: 东北石油大学
Abstract: 本公开涉及一种通过降维方式进行风力发电机故障诊断的方法和装置。所述方法包括根据风力发电机在不同运行状态下的运行数据，构建原始数据空间；利用第一方式对原始数据空间中的样本数据进行特征选择，得到一个新的数据空间；利用第二方式对基于第一种方式得到的新数据空间中任一样本数据构造对应的对称正定矩阵流形；利用第三方式对所述样本数据的对称正定矩阵流形进行特征提取，得到对称正定矩阵流形中样本数据的低维特征集合；将得到的低维特征集合输入至支持向量机中，根据支持向量机的输出信息对风力发电机的故障进行检测。本公开可以提高风力发电机的故障检测精度。
-
公开(公告)号：CN118797980A
公开(公告)日：2024-10-18
申请号：CN202410449534.6
申请日：2024-08-06
Applicant: 东北石油大学三亚海洋油气研究院
IPC: G06F30/23 , G06F17/13 , G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 一种面向类不平衡数据场景的数模双驱动油气管网故障诊断方法及系统，涉及油气管网的故障诊断领域，旨在解决当前智能故障诊断模型在处理油田类不平衡数据集时所面临的过拟合问题，以及降低误报和漏报的风险。主要步骤如下：深入理解油气在管网中运动时负压波的传播和衰减机理，建立反映管网运行状态的负压波衰减物理模型；基于长短时记忆网络构建适用于处理时间序列数据的深度生成对抗模型；设计合理的串‑并联机制融合物理模型以及数据驱动模型，构建混合生成对抗模型；使用训练好的混合生成对抗模型生成管网故障数据，平衡原始训练集；训练智能故障诊断模型，实现管道故障类型识别。本发明同时考虑和整合来自物理模型的先验知识和数据驱动模型的学习能力，与单纯的数据驱动模型相比，物理模型所含的管网先验知识能够缩小参数空间搜索域，减少估计参数量，提高深度生成模型的可解释性与泛化性能，同时提升生成故障数据的物理合理性与特征可区分性，从而有效克服类不平衡数据集对诊断模型性能的负面影响，进而提升管道智能故障诊断的准确性。
-
公开(公告)号：CN111062447B
公开(公告)日：2022-07-19
申请号：CN201911362110.1
申请日：2019-12-26
Applicant: 东北石油大学
Abstract: 本公开涉及一种通过降维方式进行风力发电机故障诊断的方法和装置。所述方法包括根据风力发电机在不同运行状态下的运行数据，构建原始数据空间；利用第一方式对原始数据空间中的样本数据进行特征选择，得到一个新的数据空间；利用第二方式对基于第一种方式得到的新数据空间中任一样本数据构造对应的对称正定矩阵流形；利用第三方式对所述样本数据的对称正定矩阵流形进行特征提取，得到对称正定矩阵流形中样本数据的低维特征集合；将得到的低维特征集合输入至支持向量机中，根据支持向量机的输出信息对风力发电机的故障进行检测。本公开可以提高风力发电机的故障检测精度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
