-
公开(公告)号:CN114444218B
公开(公告)日:2024-09-06
申请号:CN202111212782.1
申请日:2021-10-19
Applicant: 华北电力大学(保定)
IPC: G06F30/17 , G06F30/27 , G06F18/241 , G06N3/04 , G06N3/0985
Abstract: 一种多工况下小样本滚动轴承故障诊断方法,所述方法包括以下步骤:a.构建成任务集;b.将任务集中的数据输入到ISDAE进行重构,得到保留了原始信号中的有效特征,并降低了噪声的重构信号矩阵;c.利用MAML对重构信号进行分类,训练MAML的模型参数,获得最优网络模型;d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型,判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障,不仅能够提取原始振动信号中的可分性特征,提高信号的抗噪声能力,而且能够提高模型的泛化能力,从而可准确地诊断多工况下小样本数据的轴承故障,保证机械设备安全运行。
-
公开(公告)号:CN114444218A
公开(公告)日:2022-05-06
申请号:CN202111212782.1
申请日:2021-10-19
Applicant: 华北电力大学(保定)
Abstract: 一种多工况下小样本滚动轴承故障诊断方法,所述方法包括以下步骤:a.构建成任务集;b.将任务集中的数据输入到ISDAE进行重构,得到保留了原始信号中的有效特征,并降低了噪声的重构信号矩阵;c.利用MAML对重构信号进行分类,训练MAML的模型参数,获得最优网络模型;d.将被监测滚动轴承的原始振动信号输入到训练好的MAML模型,判断滚动轴承是否存在故障及故障的类型。本发明采用模型无关与改进的稀疏降噪自编码相结合的方法来诊断轴承故障,不仅能够提取原始振动信号中的可分性特征,提高信号的抗噪声能力,而且能够提高模型的泛化能力,从而可准确地诊断多工况下小样本数据的轴承故障,保证机械设备安全运行。
-
公开(公告)号:CN112855442A
公开(公告)日:2021-05-28
申请号:CN202110060196.3
申请日:2021-01-18
Applicant: 华北电力大学(保定)
IPC: F03D7/04
Abstract: 本发明涉及一种基于振动和倾角的风机对风优化方法及系统,所述优化方法以下步骤:S1采用倾斜传感器监测风速平稳时风机塔筒偏斜在x轴或y轴方向上投影的倾斜角度θ,从而判断风向;S2采用振动传感器监测风速不稳定时风机塔筒的振动幅值在x轴及y轴向上投影的分量,从而可以根据矢量合成获得风向;S3将识别的风向数据反馈给风机偏航系统,风机偏航系统做出判断,调整叶片位置,实现风机对风优化。所述优化系统包括数据采集模块,无线传输模块以及通信模块;所述优化系统还包括传感器组,所述传感器组包括倾斜传感器和振动传感器。本发明利用风机塔筒在运行过程中产生的振动和倾斜角度对风向进行识别校准,具有低成本、高性能、高可靠性等特点。
-
公开(公告)号:CN114707534A
公开(公告)日:2022-07-05
申请号:CN202210217466.1
申请日:2022-03-07
Applicant: 华北电力大学(保定)
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 一种小样本数据下滚动轴承故障诊断方法,包括以下步骤:a.采集存在故障的滚动轴承的原始振动信号数据样本,构建成任务集T,对任务集T中的数据样本进行分类;b.对数据样本进行小波变换,转换成带有故障特征的二维小波图像样本,然后将小波图像样本划分为训练集、验证集和测试集;c.完成训练集的扩充;d.将训练集中的小波图像样本输入到改进的MobileNetv3卷积网络中对卷积网络进行训练;e.对卷积网络进行测试;f.将待诊断滚动轴承的振动信号输入到测试合格的卷积网络中,完成轴承故障诊断。本发明不仅能提取原始振动信号中的故障特征,还可提升诊断模型的泛化能力,从而可准确地诊断小样本数据轴承故障,保证机械设备安全运行。
-
公开(公告)号:CN114676814A
公开(公告)日:2022-06-28
申请号:CN202210112685.3
申请日:2022-01-29
Applicant: 华北电力大学(保定)
Abstract: 一种基于SATCN‑LSTM的风功率超短期预测方法,包括以下步骤:a.数据预处理:①将气象数据按照季度划分为四个数据集,每个数据集包括气象数据和风电功率数据;②将气象数据和风电功率数据进行归一化处理;③将每个数据集中的数据划分为训练集、验证集和测试集;b.搭建SATCN‑LSTM风电功率超短期预测模型;c.风电功率超短期预测模型的训练;d.风电功率的预测。本发明采用自注意力时间卷积网络与长短时记忆网络相结合的方法来预测超短期风电功率,能够有效提取气象因素中时间特征及气象变量之间相关特征,建立气象因素与风电功率之间的复杂非线性关系,从而可准确地预测超短期风电功率,保证电力系统的安全稳定运行。
-
公开(公告)号:CN114676791A
公开(公告)日:2022-06-28
申请号:CN202210383282.2
申请日:2022-04-13
Applicant: 华北电力大学(保定)
Abstract: 本发明涉及一种基于模糊证据推理的电力系统告警信息处理方法,将智能变电站中的多源告警信息进行划分,并通过格式标准化、合并同类信息及数据清洗等预处理方法消除数据冗余。随后将预处理后的告警信息模糊化,将多源异构的信息统一化,利用余弦相似度算法分析多个设备之间的相似度,得到符合要求的故障证据集以减少误报对最后故障分析的影响。本发明方法能够有效消除数据冗余,减少误报信息的影响,有效解决单个设备告警信息误报、漏报的问题,提高了现场工作人员根据告警信息定位故障的效率和准确性。
-
-
-
-
-