-
公开(公告)号：CN119106338A
公开(公告)日：2024-12-10
申请号：CN202411595325.9
申请日：2024-11-11
Applicant: 南昌工程学院
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/044 , G06N3/006 , G01H17/00 , G06F123/02
Abstract: 本发明公开了一种变压器铁芯松动故障声纹诊断方法，包括如下步骤：利用小波变换将采集到的声纹时序数据转换成声纹特征图谱；建立基于熵权法的传感器动态响应数据融合算法，并根据声纹时序数据的相对重要程度对声纹特征图谱实时融合，得到小波动态融合声纹特征图谱；采用改进冠豪猪优化算法对改进的卷积神经网络进行优化并进行训练；将小波动态融合声纹特征图谱导入至训练后的改进卷积神经网络中进行特征提取与识别，得到最终诊断结果；本发明通过将随机游走策略和柯西变异算子分别引入冠豪猪算法的第一种防御策略和第二种防御策略，可增强算法搜索的周密性，消除局部最优解的消极影响。
-
公开(公告)号：CN119293475B
公开(公告)日：2025-04-18
申请号：CN202411814932.X
申请日：2024-12-11
Applicant: 南昌工程学院
Abstract: 本发明属于变压器监测技术领域，公开了一种复杂环境中变压器声纹信号降噪与辨识方法及系统，该方法选择小波基函数对变压器声纹信号进行分解，将变压器声纹信号分解为不同频率和时间尺度上的小波包系数矩阵；将获得的小波包系数矩阵输入各向异性噪声因子算法中，计算变压器声纹信号的低秩矩阵和噪声协方差；根据计算变压器声纹信号的低秩矩阵和噪声协方差进行重构，得到降噪后的变压器声纹信号；将降噪后的变压器声纹信号输入声纹信号辨识网络中，对变压器的运行状态进行辨识。本发明可有效去除噪声成分，能够有效提升信噪比，获得纯净的变压器声纹信号，提高辨识准确率。
-
公开(公告)号：CN118998005B
公开(公告)日：2025-03-07
申请号：CN202411484598.6
申请日：2024-10-23
Applicant: 南昌工程学院
IPC: F03D17/00 , G06N3/006 , G06N7/08 , G06F18/2411
Abstract: 本发明公开了一种基于声纹信号的风机叶片故障诊断方法，包括如下步骤：对风机叶片声纹信号进行采集，并进行滤波处理；通过完全集成经验模态分解方法将滤波处理后的声纹信号分解为多个本征模态函数；将本征模态函数转换为二维镜像雪花图，并进行归一化处理；通过改进红嘴蓝鹊优化算法对支持向量机内部惩罚参数以及核参数进行优化，得到IRBMO‑SVM模型；将归一化处理后的二维镜像雪花图输入IRBMO‑SVM模型中进行故障诊断；本发明采用改进红嘴蓝鹊优化算法优化支持向量机，提高了支持向量机计算效率，进而提高了对风机叶片的故障诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN119535244B
公开(公告)日：2025-05-16
申请号：CN202510110435.X
申请日：2025-01-23
Applicant: 南昌工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G06N3/006 , G06N3/049 , G06N3/0464 , G06N7/08
Abstract: 本发明公开了一种储能电池剩余使用寿命预测方法及系统，该方法通过获取电池容量时间序列数据；采用TVF‑EMD对电池容量时间序列数据进行分解得到本征模态分量；利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和卷积核大小进行优化；对完整的电池容量时间序列数据归一化，将归一化后的数据输入改进协同群优化算法优化后的时间卷积神经网络模型之中进行剩余使用寿命预测。本发明通过改进后的协同群优化算法优化的时间卷积神经网络模型，使其预测具有更高的准确性。
-
公开(公告)号：CN119293475A
公开(公告)日：2025-01-10
申请号：CN202411814932.X
申请日：2024-12-11
Applicant: 南昌工程学院
Abstract: 本发明属于变压器监测技术领域，公开了一种复杂环境中变压器声纹信号降噪与辨识方法及系统，该方法选择小波基函数对变压器声纹信号进行分解，将变压器声纹信号分解为不同频率和时间尺度上的小波包系数矩阵；将获得的小波包系数矩阵输入各向异性噪声因子算法中，计算变压器声纹信号的低秩矩阵和噪声协方差；根据计算变压器声纹信号的低秩矩阵和噪声协方差进行重构，得到降噪后的变压器声纹信号；将降噪后的变压器声纹信号输入声纹信号辨识网络中，对变压器的运行状态进行辨识。本发明可有效去除噪声成分，能够有效提升信噪比，获得纯净的变压器声纹信号，提高辨识准确率。
-
公开(公告)号：CN118998005A
公开(公告)日：2024-11-22
申请号：CN202411484598.6
申请日：2024-10-23
Applicant: 南昌工程学院
IPC: F03D17/00 , G06N3/006 , G06N7/08 , G06F18/2411
Abstract: 本发明公开了一种基于声纹信号的风机叶片故障诊断方法，包括如下步骤：对风机叶片声纹信号进行采集，并进行滤波处理；通过完全集成经验模态分解方法将滤波处理后的声纹信号分解为多个本征模态函数；将本征模态函数转换为二维镜像雪花图，并进行归一化处理；通过改进红嘴蓝鹊优化算法对支持向量机内部惩罚参数以及核参数进行优化，得到IRBMO‑SVM模型；将归一化处理后的二维镜像雪花图输入IRBMO‑SVM模型中进行故障诊断；本发明采用改进红嘴蓝鹊优化算法优化支持向量机，提高了支持向量机计算效率，进而提高了对风机叶片的故障诊断精度。
-
公开(公告)号：CN119106338B
公开(公告)日：2025-03-25
申请号：CN202411595325.9
申请日：2024-11-11
Applicant: 南昌工程学院
IPC: G06F18/241 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/044 , G06N3/006 , G01H17/00 , G06F123/02
Abstract: 本发明公开了一种变压器铁芯松动故障声纹诊断方法，包括如下步骤：利用小波变换将采集到的声纹时序数据转换成声纹特征图谱；建立基于熵权法的传感器动态响应数据融合算法，并根据声纹时序数据的相对重要程度对声纹特征图谱实时融合，得到小波动态融合声纹特征图谱；采用改进冠豪猪优化算法对改进的卷积神经网络进行优化并进行训练；将小波动态融合声纹特征图谱导入至训练后的改进卷积神经网络中进行特征提取与识别，得到最终诊断结果；本发明通过将随机游走策略和柯西变异算子分别引入冠豪猪算法的第一种防御策略和第二种防御策略，可增强算法搜索的周密性，消除局部最优解的消极影响。
-
公开(公告)号：CN119535244A
公开(公告)日：2025-02-28
申请号：CN202510110435.X
申请日：2025-01-23
Applicant: 南昌工程学院
IPC: G01R31/367 , G01R31/392 , G01R31/396 , G06N3/006 , G06N3/049 , G06N3/0464 , G06N7/08
Abstract: 本发明公开了一种储能电池剩余使用寿命预测方法及系统，该方法通过获取电池容量时间序列数据；采用TVF‑EMD对电池容量时间序列数据进行分解得到本征模态分量；利用改进后的协同群优化算法对时间卷积神经网络模型的卷积核个数和卷积核大小进行优化；对完整的电池容量时间序列数据归一化，将归一化后的数据输入改进协同群优化算法优化后的时间卷积神经网络模型之中进行剩余使用寿命预测。本发明通过改进后的协同群优化算法优化的时间卷积神经网络模型，使其预测具有更高的准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
