-
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：CN111142020A
公开(公告)日：2020-05-12
申请号：CN201911361946.X
申请日：2019-12-26
Applicant: 东北石油大学
Abstract: 本发明涉及一种通过多结构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；基于所述任一样本数据的K近邻样本数据，分别利用第一方式和第二方式，得到两种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；分别利用第三方式和第四方式将基于所述第一方式得到的局部线性结构和基于所述第二方式得到的局部线性结构进行结构融合，构造任一样本数据与其对应的K近邻样本数据之间的两种复合局部线性结构；基于构造样本数据的复合局部线性结构，得到所述样本数据的低维特征集合，将所述低维特征集合输入至支持向量机中，得到风力发电机的故障检测结果。
-
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：CN115059455B
公开(公告)日：2024-09-24
申请号：CN202210739084.5
申请日：2022-06-28
Applicant: 东北石油大学
IPC: E21B47/009
Abstract: 一种基于机器学习的有杆抽油机井下故障诊断方法，涉及抽油井故障诊断领域，为了解决现有方法对抽油机示功图判别时缺乏实时性和精确性的问题。具体过程为：步骤一、采集不同运行状态下的抽油机示功图，进行预处理，通过平均冲程和平均载荷将预处理的抽油机示功图割四个部分曲线，将示功图曲线向量化；步骤二、将原始数据空间的示功图向量样本投影至切丛，并通过每个样本纤维的第一主成分构建截面空间；步骤三，依次构建截面空间样本的两重1‑ring邻域，再在均值与方差同时最小化的框架下，构建一个弱非线性截面空间；步骤四，利用局部线性嵌入算法对所述弱非线性截面空间的样本进行降维；步骤五、将得到的低维特征集合输入至支持向量机中检测。
-
Patent Agency Ranking
公开(公告)号：CN118194146A
公开(公告)日：2024-06-14
申请号：CN202410228576.7
申请日：2024-02-29
Applicant: 东北石油大学
IPC: G06F18/2411 , G06F18/2135 , G06F18/25 , G06F18/213 , G06N20/10
Abstract: 本发明公开了一种抽油机故障诊断方法和电子设备，抽油机故障诊断方法包括：获取抽油机中待诊断的原始数据；对原始数据进行预处理，得到预诊断数据集；计算预诊断数据集中各个预诊断数据之间的切空间角度差；根据切空间角度差，对预诊断数据集进行降维处理，得到低维特征数据集；通过分类算法，对低维特征集进行识别，输出故障诊断结果。本发明实施例的抽油机故障诊断方法能够提高故障诊断的准确性、效率和鲁棒性，有助于及时发现和解决抽油机运行中的问题。
-
公开(公告)号：CN116257736A
公开(公告)日：2023-06-13
申请号：CN202310027800.1
申请日：2023-01-09
Applicant: 东北石油大学
Abstract: 本发明涉及数据融合技术领域，尤其涉及一种卡尔曼滤波电流检测融合算法，通过罗曼诺夫斯基准则先对有粗大误差的测量数据进行剔除，再用其余未剔除数据平均值对剔除数据进行补充。之后引入遗传算法对卡尔曼滤波的超参数Q、R进行优化，在优化后卡尔曼滤波算法的基础上，通过多个传感器共同对目标进行检测，依据最小二乘法，计算对应的加权系数，然后实现数据融合，以此提高数据精确度和准确性。
-
公开(公告)号：CN111142020B
公开(公告)日：2021-11-23
申请号：CN201911361946.X
申请日：2019-12-26
Applicant: 东北石油大学
Abstract: 本发明涉及一种通过多结构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；基于所述任一样本数据的K近邻样本数据，分别利用第一方式和第二方式，得到两种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；分别利用第三方式和第四方式将基于所述第一方式得到的局部线性结构和基于所述第二方式得到的局部线性结构进行结构融合，构造任一样本数据与其对应的K近邻样本数据之间的两种复合局部线性结构；基于构造样本数据的复合局部线性结构，得到所述样本数据的低维特征集合，将所述低维特征集合输入至支持向量机中，得到风力发电机的故障检测结果。
-
公开(公告)号：CN111734961B
公开(公告)日：2021-09-17
申请号：CN202010588128.X
申请日：2020-06-24
Applicant: 东北石油大学
Abstract: 一种天然气管道泄漏检测方法，涉及管道泄漏检测技术领域，其解决了管道泄漏检测系统误报率高的问题。所述方法包含以下步骤：利用声学传感器采集声波信号；利用海鸥算法优化变分模态分解算法；利用基于优化的变分模态分解阈值去噪方法对所述的声波信号进行降噪预处理，获取去噪的声波信号；分别提取声波信号的时频特征构建高维特征向量矩阵，利用局部线性嵌入算法对所述的高维特征向量矩阵进行降维，提取有利于分类的敏感特征向量；利用海鸥优化算法搜索最佳的惩罚因子和核函数使最小二乘支持向量机的性能最优，将所述的敏感特征向量作为最小二乘支持向量机的训练样本，根据采集的声波信号作为测试样本，来检测天然气管道是否发生泄漏。
-
公开(公告)号：CN115059455A
公开(公告)日：2022-09-16
申请号：CN202210739084.5
申请日：2022-06-28
Applicant: 东北石油大学
IPC: E21B47/009
Abstract: 一种基于机器学习的有杆抽油机井下故障诊断方法，涉及抽油井故障诊断领域，为了解决现有方法对抽油机示功图判别时缺乏实时性和精确性的问题。具体过程为：步骤一、采集不同运行状态下的抽油机示功图，进行预处理，通过平均冲程和平均载荷将预处理的抽油机示功图割四个部分曲线，将示功图曲线向量化；步骤二、将原始数据空间的示功图向量样本投影至切丛，并通过每个样本纤维的第一主成分构建截面空间；步骤三，依次构建截面空间样本的两重1‑ring邻域，再在均值与方差同时最小化的框架下，构建一个弱非线性截面空间；步骤四，利用局部线性嵌入算法对所述弱非线性截面空间的样本进行降维；步骤五、将得到的低维特征集合输入至支持向量机中检测。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.026 seconds)
