-
公开(公告)号：CN109975013A
公开(公告)日：2019-07-05
申请号：CN201910360493.2
申请日：2019-04-30
Applicant: 南京工程学院
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了基于IVMD‑SE的风电机组齿轮箱故障特征提取方法，属于风电技术领域，本发明利用振动加速度传感器分别采集风电机组齿轮箱齿轮在正常、磨损、断齿三种工况下的原始振动信号；采用基于整数规划的PSO算法对VMD参数中的惩罚项参数α和分解层数K进行优化；对各工况下齿轮振动信号采用改进变分模态法进行分解，得到振动信号的各个模态分量；利用相关系数法优选出与原始信号密切相关的IMF分量；提取各模态分量的奇异熵作为风机齿轮箱故障特征；将特征输入至多分类SVM中，验证特征提取效果。本发明将VMD和奇异熵相结合来提取有噪声干扰下的风电机组齿轮箱齿轮故障特征，信号特征得到强化,特征提取效果更为显著。
-
公开(公告)号：CN111401204A
公开(公告)日：2020-07-10
申请号：CN202010166102.6
申请日：2020-03-11
Applicant: 南京工程学院
Abstract: 本发明具体涉及一种基于分数阶Hilbert倒谱的特征提取方法，包括S1、采集不同用电负荷单独运行时的电流数据；S2、对采集到的电流数据分别进行加窗预处理；S3、对处理后的电流数据分别进行分数阶Hilbert变换，将数据映射到分数空间；S4、对分数阶Hilbert变换阶数进行寻优，确定最优阶数；S5、在最优阶数下，计算得到不同用电负荷的倒谱特征；S6、将不同用电负荷在最优阶数下的分数阶倒谱特征代入支持向量机中进行负荷识别，得到不同用电负荷的识别率。本发明提出的分数阶倒谱特征有效的提高了不同用电负荷识别率，并且在负荷特征近似的情况下有较好的分类效果。
-
公开(公告)号：CN111898637B
公开(公告)日：2022-09-02
申请号：CN202010597594.4
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06K9/62
Abstract: 本发明具体涉及一种基于ReliefF‑DDC特征选择算法，包括S1、获取训练集样本，确定算法各参数值：S2、将所有特征权重置0，置、为空集；S3、从训练集中选取样本并更新其包含的所有维度的特征的权重，利用ReliefF计算特征与各类别之间的相关性来确定“重要特征”，排除无关特征；S4、输出中大于阈值时对应的特征向量，按降序排列添加至集合；S5、利用DDC算法，根据特征之间与决策变量的相关性分析去除冗余特征；S6、得到最佳特征子集，将所选特征用于非侵入式负荷识别。本方法有效降低特征维数，提高负荷识别率并缩短算法运行时间。
-
Patent Agency Ranking
公开(公告)号：CN111401204B
公开(公告)日：2022-07-26
申请号：CN202010166102.6
申请日：2020-03-11
Applicant: 南京工程学院
Abstract: 本发明具体涉及一种基于分数阶Hilbert倒谱的特征提取方法，包括S1、采集不同用电负荷单独运行时的电流数据；S2、对采集到的电流数据分别进行加窗预处理；S3、对处理后的电流数据分别进行分数阶Hilbert变换，将数据映射到分数空间；S4、对分数阶Hilbert变换阶数进行寻优，确定最优阶数；S5、在最优阶数下，计算得到不同用电负荷的倒谱特征；S6、将不同用电负荷在最优阶数下的分数阶倒谱特征代入支持向量机中进行负荷识别，得到不同用电负荷的识别率。本发明提出的分数阶倒谱特征有效的提高了不同用电负荷识别率，并且在负荷特征近似的情况下有较好的分类效果。
-
公开(公告)号：CN111898637A
公开(公告)日：2020-11-06
申请号：CN202010597594.4
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06K9/62
Abstract: 本发明具体涉及一种基于ReliefF-DDC特征选择算法，包括S1、获取训练集样本，确定算法各参数值：S2、将所有特征权重置0，置、为空集；S3、从训练集中选取样本并更新其包含的所有维度的特征的权重，利用ReliefF计算特征与各类别之间的相关性来确定“重要特征”，排除无关特征；S4、输出中大于阈值时对应的特征向量，按降序排列添加至集合；S5、利用DDC算法，根据特征之间与决策变量的相关性分析去除冗余特征；S6、得到最佳特征子集，将所选特征用于非侵入式负荷识别。本方法有效降低特征维数，提高负荷识别率并缩短算法运行时间。
-
公开(公告)号：CN109975013B
公开(公告)日：2020-09-18
申请号：CN201910360493.2
申请日：2019-04-30
Applicant: 南京工程学院
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了基于IVMD‑SE的风电机组齿轮箱故障特征提取方法，属于风电技术领域，本发明利用振动加速度传感器分别采集风电机组齿轮箱齿轮在正常、磨损、断齿三种工况下的原始振动信号；采用基于整数规划的PSO算法对VMD参数中的惩罚项参数α和分解层数K进行优化；对各工况下齿轮振动信号采用改进变分模态法进行分解，得到振动信号的各个模态分量；利用相关系数法优选出与原始信号密切相关的IMF分量；提取各模态分量的奇异熵作为风机齿轮箱故障特征；将特征输入至多分类SVM中，验证特征提取效果。本发明将VMD和奇异熵相结合来提取有噪声干扰下的风电机组齿轮箱齿轮故障特征，信号特征得到强化,特征提取效果更为显著。
-
公开(公告)号：CN209764419U
公开(公告)日：2019-12-10
申请号：CN201920781430.X
申请日：2019-05-28
Applicant: 南京工程学院
IPC: G01M13/028
Abstract: 本实用新型公开了风电机组齿轮箱故障诊断装置，属于风电技术领域，包括设置在风机塔顶机舱内且依次相连的信号调理单元、模数转换单元、中央处理单元和用于将实时数据传递至风场主控室的第一无线通讯单元；还包括设置在风场主控室内且依次相连的工控机和用于接收第一无线通讯单元所传来的实时数据的第二无线通讯单元；其中，所述的信号调理单元与轴承振动传感器、齿轮箱振动传感器分别相连。本实用新型能够通过远程的方式对风电机组齿轮箱进行自动、实时的监测，使得风电场的工作人员不用爬上塔顶就能够实时获取齿轮箱的各种原始数据；能够及时准确的诊断出风机齿轮箱的各类故障类型，从而大大降低了故障带来的损失。
-
公开(公告)号：CN210293275U
公开(公告)日：2020-04-10
申请号：CN201920288340.7
申请日：2019-03-07
Applicant: 南京工程学院
Abstract: 一种基于单北斗的多传感器联合检测开关柜局放装置，包括温度传感器模块及其信号比较电路、声音传感器模块及其信号比较电路、臭氧传感器模块及其信号比较电路、紫外光传感器模块及其信号比较电路、微处理器以及北斗短报文模块；其中：每个传感器模块的输出端与其对应的信号比较电路的输入端相连；温度传感器模块、声音传感器模块、臭氧传感器模块、紫外光传感器模块分别采集开关柜中的温度信息、声音强度信息、臭氧含量信息以及光强度信号；信号比较电路的输出端均与微处理器输入端相连；微处理器与北斗短报文模块相连。本装置通过检测开关柜中的环境信号通过北斗短报文模块将信号传输出从而实现报警，同时对发生局放的开关柜进行定位。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
