一种发电机定子线圈冷却水路堵塞故障诊断方法

    公开(公告)号:CN112001418A

    公开(公告)日:2020-11-27

    申请号:CN202010708344.3

    申请日:2020-07-14

    Abstract: 本发明构造了一种结合卷积神经网络(CNN)和长短期记忆网络(LSTM)的混合模型,诊断发电机定子线圈冷却水路堵塞故障。通过构造滑动窗口将大量的历史定子侧温度数据、定子电流、发电机热风区气温等数据创建特征图作为输入,采用CNN网络进行空间特征提取。以提取后的特征作为LSTM网络输入,以定子线圈出水温度为LSTM网络输出,拟合输入与输出间的函数关系。采集发电机运行数据,利用训练好的网络进行温度预测,当预测温度的MAE超过阈值时,判定定子线圈发生水路堵塞故障。本发明能够诊断出轻微冷却水路堵塞故障,且不需要在发电机内添加额外的测量装置,具有简便易行,准确度高的优点。

    一种同步电机励磁绕组匝间短路轻度故障诊断方法

    公开(公告)号:CN111722145B

    公开(公告)日:2023-04-25

    申请号:CN202010552808.6

    申请日:2020-06-12

    Abstract: 本发明以卷积网络(CNN)和深度置信网络(DBN)相结合,实现对同步电机励磁绕组匝间短路轻度故障的诊断。本发明收集同步电机正常和轻度故障时的历史数据,经归一化处理后训练CNN和DBN。本发明以12个物理量作为CNN输入提取数据特征,以提取的数据特征为DBN输入,以故障和正常作为DBN的输出。将现场采集数据输入训练好的网络,当连续20个数据样本均被划分为故障时则判定为故障。本发明充分考虑了与转子匝间短路相关的物理量,避免了某一种物理量测量不准确或因信号受到干扰而造成的故障误判的情况,且不需要在发电机内添加额外的测量装置,具有简便易行的优点。

    一种基于CGAN-CNN的同步电机转子匝间短路故障判别方法

    公开(公告)号:CN112016395A

    公开(公告)日:2020-12-01

    申请号:CN202010708343.9

    申请日:2020-07-14

    Abstract: 本发明公开了一种基于CGAN-CNN的同步电机转子匝间短路故障判别方法。该方法包括:首先构建条件生成对抗网络(Conditional Generative Adversarial Networks,CGAN)模型,输入带标签的样本集训练该模型,输出人工样本,与原样本混合后划分训练集和测试集;然后构建卷积神经网络(Convolution Neural Networks,CNN)模型,输入训练集训练该模型后,再输入测试集,判断模型有效性。本发明提供的同步电机转子匝间短路故障判别方法,能实现数据集非平衡情况下的故障诊断,生成样本相比于原样本避免了噪声和其他干扰,提高了故障诊断的准确率。

    一种同步电机励磁绕组匝间短路轻度故障诊断方法

    公开(公告)号:CN111722145A

    公开(公告)日:2020-09-29

    申请号:CN202010552808.6

    申请日:2020-06-12

    Abstract: 本发明以卷积网络(CNN)和深度置信网络(DBN)相结合,实现对同步电机励磁绕组匝间短路轻度故障的诊断。本发明收集同步电机正常和轻度故障时的历史数据,经归一化处理后训练CNN和DBN。本发明以12个物理量作为CNN输入提取数据特征,以提取的数据特征为DBN输入,以故障和正常作为DBN的输出。将现场采集数据输入训练好的网络,当连续20个数据样本均被划分为故障时则判定为故障。本发明充分考虑了与转子匝间短路相关的物理量,避免了某一种物理量测量不准确或因信号受到干扰而造成的故障误判的情况,且不需要在发电机内添加额外的测量装置,具有简便易行的优点。

Patent Agency Ranking