-
公开(公告)号：CN112466322A
公开(公告)日：2021-03-09
申请号：CN202011357068.7
申请日：2020-11-27
Applicant: 华侨大学
IPC: G10L21/0232 , G10L25/18 , G10L25/51
Abstract: 本发明公开了一种机电设备噪声信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的噪声信号原始数据进行外部噪声消除、截取等预处理；然后将经过预处理后的噪声信号数据进行快速傅里叶变换(FFT)，得到噪声信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。
-
公开(公告)号：CN116244283A
公开(公告)日：2023-06-09
申请号：CN202211729637.5
申请日：2022-12-30
Applicant: 华侨大学
IPC: G06F16/215 , G06F16/28 , G06N20/00
Abstract: 本发明公开了一种发电机组人工智能系统机器学习样本筛选方法及装置，获取发电机组运行数据，对所述发电机组运行数据采用预设清洗方式进行一次或多次数据清洗，得到备选样本集和无效样本集，若采用多次数据清洗，每次数据清洗采用不同的清洗方式；对所述备选样本集采用预设排序方式进行排序，得到排序样本集，对所述排序样本集按照预设抽取方式进行抽取，得到学习样本子集；重复前一步骤多次，每次采用不同的排序方式以及相同或不同的抽取方式，抽取到不同的学习样本子集；将所有的学习样本子集合并为学习样本集。采用本方法筛选发电机人工智能系统机器学习样本，对操作人员专业素质要求低，处理过程自动化程度高，筛选出的学习样本分布广泛性好。
-
Patent Agency Ranking
公开(公告)号：CN112268615B
公开(公告)日：2022-05-03
申请号：CN202011357161.8
申请日：2020-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种机电设备振动信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的振动信号原始数据进行滤波、截取等预处理；然后将经过预处理后的振动信号数据进行快速傅里叶变换(FFT)，得到振动信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明较小波包分解(WPD)和经验模态分解(EMD)等故障特征提取方式，原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。
-
公开(公告)号：CN108879658A
公开(公告)日：2018-11-23
申请号：CN201810639191.4
申请日：2018-06-20
Applicant: 华侨大学
Abstract: 本发明涉及一种主动配电网的电压薄弱点辨识方法，传统的配电网薄弱点识别方法一般仅考虑负荷波动情况下，对系统进行电压薄弱点辨识，而本发明针对主动配电网特性，建立分布式电源随机出力模型及负荷增长模型，通过对DG的随机出力和负荷随机波动进行分层抽样，进而形成包含DG出力和节点负荷组合的抽样矩阵，结合连续潮流法筛选出最逼近电压崩溃的采样矩阵。最后，根据节点电压薄弱点技术指标对系统的薄弱节点进行排序，完成主动配电网的电压薄弱点辨识，可为主动配电网的稳定运行提供帮助。
-
公开(公告)号：CN112466322B
公开(公告)日：2023-06-20
申请号：CN202011357068.7
申请日：2020-11-27
Applicant: 华侨大学
IPC: G10L21/0232 , G10L25/18 , G10L25/51
Abstract: 本发明公开了一种机电设备噪声信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的噪声信号原始数据进行外部噪声消除、截取等预处理；然后将经过预处理后的噪声信号数据进行快速傅里叶变换(FFT)，得到噪声信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。
-
公开(公告)号：CN115796307A
公开(公告)日：2023-03-14
申请号：CN202211527095.3
申请日：2022-12-01
Applicant: 华侨大学
IPC: G06N20/10 , G06F18/214 , G06F18/25 , G06F18/15
Abstract: 本发明公开了一种发电机组人工智能系统自动学习方法、装置及可读介质，响应于在发电机组人工智能系统部署后或在发电机组人工智能系统的模型重置后，进入样本收集阶段进行样本收集，得到收集的样本；响应于确定收集的样本达到全面性要求，对收集的样本进行样本筛选，得到筛选的样本；将筛选的样本用于发电机组人工智能系统的模型训练，得到经训练的模型，将经训练的模型应用于日常运行中；在日常运行阶段，响应于确定发电机组大修，判断经训练的模型是否需要重新训练，若是，则对发电机组人工智能系统的模型进行重置，并重复上述步骤，否则继续进行日常运行。本发明能够实现发电机组人工智能系统学习自动化，减少人工干预环节，提高学习时效。
-
公开(公告)号：CN112268615A
公开(公告)日：2021-01-26
申请号：CN202011357161.8
申请日：2020-11-27
Applicant: 华侨大学
Abstract: 本发明公开了一种机电设备振动信号特征提取方法，主要应用于机电设备故障诊断领域。所述方法先对所采集的振动信号原始数据进行滤波、截取等预处理；然后将经过预处理后的振动信号数据进行快速傅里叶变换(FFT)，得到振动信号频谱信息；再将此频谱数据按幅值的积分值分为m段，得到各个分段的频带宽度信息；最后将带宽信息进行换算，提取特征值用于故障诊断。本发明较小波包分解(WPD)和经验模态分解(EMD)等故障特征提取方式，原理和公式简单、计算量小、运算速度快、故障辨识率高，其最大优点是易于在嵌入式系统和DSP程序中实现。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
