公开(公告)号：CN112347917B

公开(公告)日：2023-05-16

申请号：CN202011225289.9

申请日：2020-11-05

Applicant: 北京信息科技大学

Inventor： 王红军 ,  蒋龙陈 ,  韩凤霞 ,  左云波

IPC: G06F18/24 ,  G06N3/0464 ,  G06F18/213 ,  G06N3/084 ,  G01H17/00

Abstract: 本发明涉及一种燃气轮机故障诊断方法、系统、设备及存储介质，其包括：构建深度置信网络模型；对燃气轮机的原始振动信号进行压缩后，输入深度置信网络模型；对深度置信网络模型的结构参数寻优，搜索诊断效果最好的最优深度置信网络模型；根据最优深度置信网络模型对燃气轮机进行故障诊断。本发明基于峰值保持降采样法和粒子群算法优化的深度置信网络模型能够将样本数据缩减，减少模型训练时间，并实现网络结构参数的寻优。对于燃气轮机转子系统气流激振故障，与其他浅层网络对比，以原始振动信号作为输入训练得到的深度置信网络模型具有更好的诊断性能以及分类能力。

公开(公告)号：CN112347917A

公开(公告)日：2021-02-09

申请号：CN202011225289.9

申请日：2020-11-05

Applicant: 北京信息科技大学

Inventor： 王红军 ,  蒋龙陈 ,  韩凤霞 ,  左云波

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G01H17/00

Abstract: 本发明涉及一种燃气轮机故障诊断方法、系统、设备及存储介质，其包括：构建深度置信网络模型；对燃气轮机的原始振动信号进行压缩后，输入深度置信网络模型；对深度置信网络模型的结构参数寻优，搜索诊断效果最好的最优深度置信网络模型；根据最优深度置信网络模型对燃气轮机进行故障诊断。本发明基于峰值保持降采样法和粒子群算法优化的深度置信网络模型能够将样本数据缩减，减少模型训练时间，并实现网络结构参数的寻优。对于燃气轮机转子系统气流激振故障，与其他浅层网络对比，以原始振动信号作为输入训练得到的深度置信网络模型具有更好的诊断性能以及分类能力。

公开(公告)号：CN112329626A

公开(公告)日：2021-02-05

申请号：CN202011223732.9

申请日：2020-11-05

Applicant: 北京信息科技大学

Inventor： 王红军 ,  蒋龙陈 ,  籍永建 ,  陈晓

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种调制与深度学习融合的设备故障诊断方法、系统及介质，其特包括：将燃气轮机机匣的振动信号分解为多个频率分量，得到各个频率成分的瞬时频率，并绘制时频图；将时频图经过预处理后作为卷积神经网络的输入，通过训练得到卷积神经网络故障诊断模型；卷积神经网络故障诊断模型利用卷积神经网络的特征提取能力，实现对燃气轮机转子故障的诊断。本发明能很好的提取时频图中的特征，有效提高故障诊断准确率，可以广泛在燃气轮机故障诊断技术领域中应用。