-
公开(公告)号：CN110288150A
公开(公告)日：2019-09-27
申请号：CN201910548974.6
申请日：2019-06-24
Applicant: 华北电力大学(保定)
Abstract: 本申请适用于风力发电技术领域，提供了一种风速预测方法、终端设备及存储介质，其中，上述方法包括：获取小时平均风速信号；根据小时平均风速信号的能量，在频域对小时平均风速信号进行分解，得到四个分量信号；根据预设的预测模型计算对应的分量信号的风速预测向量；根据各个分量信号的风速预测向量，计算总风速预测向量。本申请实施例提供的风速预测方法、终端设备及存储介质，利用能量对小时平均风速信号进行分解，并根据分解得到的分量信号进一步预测风速。由于从能量角度划分小时平均风速信号，相较于现有的风速信号分解方法，更为贴切风速的特性，使得计算得到的预测风速准确性较高，解决了目前风速预测中存在的预测结果准确性较差的问题。
-
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。
-
Patent Agency Ranking
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：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：CN117686229A
公开(公告)日：2024-03-12
申请号：CN202311646995.4
申请日：2023-12-04
Applicant: 华北电力大学(保定)
IPC: G01M13/045 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 一种基于半监督时序学习的风力发电机组轴承故障诊断方法，所述方法包括以下步骤：a.利用风力发电机组轴承原始振动信号构建训练集和测试集；b.建立一维卷积神经网络；c.构建半监督学习模型；d.采用MAML训练半监督学习模型；e.将测试集中的有标签数据输入到训练后的半监督学习模型，对半监督学习模型进行测试；f.用已经测试合格的半监督学习模型判断风力发电机组轴承故障的类型。本发明采用半监督学习模型判断风力发电机组轴承故障的类型，可以有效地利用有限的带标签数据和大量的无标签数据对模型进行训练，很好地解决了故障数据量不足的问题，降低了轴承故障智能诊断的难度，提高了轴承故障诊断结果的准确性。
-
公开(公告)号：CN117390516A
公开(公告)日：2024-01-12
申请号：CN202311449527.8
申请日：2023-11-02
Applicant: 华北电力大学(保定)
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 一种风电机组滚动轴承迁移故障可解释性诊断方法，所述方法包括以下步骤：a.构建源域数据集和目标域数据集；b.构建故障诊断模型；c.完成对故障诊断模型的训练；d.对故障诊断模型进行验证；e.将待诊断轴承的振动信号输入到故障诊断模型，识别故障的类型；f.利用格拉姆角场将模型提取的空间池化特征转为二维数据，并对处理后的数据取对角线数据求取概率分布，从而赋予模型可解释能力。本发明在深度学习结构中融合多尺度并行机制，利用空间池化机制混合提取后的多尺度特征，利用Wasserstein距离缩小源域和目标域特征之间的分布差异，可有效提取振动信号中的多尺度信息，实现了对风电机组滚动轴承故障状态的准确识别。
-
公开(公告)号：CN203739485U
公开(公告)日：2014-07-30
申请号：CN201420137732.0
申请日：2014-03-26
Applicant: 华北电力大学(保定)
Abstract: 本实用新型公开了一种多功能教学圆规，包括设置有刻度值的支臂，支臂的两端分别设置有针脚和用于夹持画笔的笔夹，其特征在于：所述支臂包括滑动套接的支臂A和支臂B，所述支臂A的一侧端面上设置有滑槽，支臂B套接在支臂A滑槽中的一端设置有与滑槽滑动配合的滑块，支臂B的端部与滑块之间通过相配合的螺栓与螺母连接；所述针脚相配合的螺栓与螺母设置在支臂A的后端，笔夹通过相配合的螺栓与螺母设置在支臂B的前端。本实用新型既能作为卧式圆规使用又能作为立式圆规使用，并能够在画圆过程中保证半径的准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.01 seconds)
