-
公开(公告)号：CN117806172B
公开(公告)日：2024-05-24
申请号：CN202410218787.2
申请日：2024-02-28
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明提供一种基于云边协同与自适应知识传递的故障诊断方法，涉及故障诊断技术领域，包括以下步骤：采集齿轮箱的运行状态数据，并对运行状态数据进行过采样处理，得到训练数据集；构建第一模型和第二模型，利用训练数据集对第一模型进行迭代训练，得到第一模型对训练数据集的第一预测结果；结合第一预测结果和知识传递方法，使用训练数据集对第二模型进行迭代训练，得到优化后的第二模型；在边缘计算设备中部署优化后的第二模型，从齿轮箱中采集实时数据，导入优化后的第二模型进行检测，得到故障诊断结果。本发明能够充分利用云端和边缘端的计算资源，同时满足实时性需求，为风电机组运行状态数据的预测和诊断提供了有效的解决方案。
-
公开(公告)号：CN118035873A
公开(公告)日：2024-05-14
申请号：CN202410223999.X
申请日：2024-02-29
Applicant: 华中科技大学
IPC: G06F18/2415 , G01M13/028 , G06F18/15 , G06F18/2131 , G06F18/22 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明提供一种并行卷积改进三元组网络的故障诊断方法，涉及故障诊断技术领域，包括：对齿轮箱的运行状态数据进行数据采集，得到初始数据集；针对每个初始数据构造为三元组数据，得到三元组数据集；构建故障诊断模型，包括特征提取网络、距离度量网络和分类器网络；将三元组数据集输入特征提取网络中，利用特征提取网络提取三元组数据集的特征向量，同时将特征向量输入距离度量网络和分类器网络中进行联合迭代训练，即得到优化后的故障诊断模型；获取齿轮箱的实时数据，利用优化后的故障诊断模型对实时数据进行故障诊断，得到诊断结果。本发明解决了现有故障诊断模型在不平衡条件下对故障样本缺乏导致的故障信息提取难的问题。
-
公开(公告)号：CN118035873B
公开(公告)日：2024-06-18
申请号：CN202410223999.X
申请日：2024-02-29
Applicant: 华中科技大学
IPC: G06F18/2415 , G01M13/028 , G06F18/15 , G06F18/2131 , G06F18/22 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明提供一种并行卷积改进三元组网络的故障诊断方法，涉及故障诊断技术领域，包括：对齿轮箱的运行状态数据进行数据采集，得到初始数据集；针对每个初始数据构造为三元组数据，得到三元组数据集；构建故障诊断模型，包括特征提取网络、距离度量网络和分类器网络；将三元组数据集输入特征提取网络中，利用特征提取网络提取三元组数据集的特征向量，同时将特征向量输入距离度量网络和分类器网络中进行联合迭代训练，即得到优化后的故障诊断模型；获取齿轮箱的实时数据，利用优化后的故障诊断模型对实时数据进行故障诊断，得到诊断结果。本发明解决了现有故障诊断模型在不平衡条件下对故障样本缺乏导致的故障信息提取难的问题。
-
公开(公告)号：CN117806172A
公开(公告)日：2024-04-02
申请号：CN202410218787.2
申请日：2024-02-28
Applicant: 华中科技大学
IPC: G05B13/04
Abstract: 本发明提供一种基于云边协同与自适应知识传递的故障诊断方法，涉及故障诊断技术领域，包括以下步骤：采集齿轮箱的运行状态数据，并对运行状态数据进行过采样处理，得到训练数据集；构建第一模型和第二模型，利用训练数据集对第一模型进行迭代训练，得到第一模型对训练数据集的第一预测结果；结合第一预测结果和知识传递方法，使用训练数据集对第二模型进行迭代训练，得到优化后的第二模型；在边缘计算设备中部署优化后的第二模型，从齿轮箱中采集实时数据，导入优化后的第二模型进行检测，得到故障诊断结果。本发明能够充分利用云端和边缘端的计算资源，同时满足实时性需求，为风电机组运行状态数据的预测和诊断提供了有效的解决方案。
-
-
-
Search Results
4
records
(took 0.025 seconds)
