-
公开(公告)号：CN112016251B
公开(公告)日：2023-01-31
申请号：CN202010909121.3
申请日：2020-09-02
Applicant: 哈尔滨工程大学
IPC: G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/049 , G06N3/045 , G06N3/09 , G06N20/20
Abstract: 本发明涉及一种核动力装置故障的诊断方法及系统。该方法包括：获取核动力装置的历史运行数据以及实际运行数据，并确定实际运行数据的状态类别；对实际运行数据进行相空间重构，确定重构后的实际运行数据；建立小卷积核堆叠形成的时间卷积网络模型；利用重构后的实际运行数据以及状态类别构建时间卷积网络基分类器；根据5个时间卷积网络基分类器确定次级分类器的训练集以及测试集；利用次级分类器训练集对次级分类器进行训练，利用次级分类器测试集对次级分类器进行测试，确定堆栈泛化集成学习模型；根据堆栈泛化集成学习模型对核动力装置进行故障诊断，输出故障类别。本发明提高故障诊断的准确率，避免误诊断和漏诊断的发生。
-
公开(公告)号：CN111899905B
公开(公告)日：2022-11-01
申请号：CN202010776694.3
申请日：2020-08-05
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于核动力装置的故障诊断方法及系统。所述方法包括获取核动力装置的历史的运行数据；根据所述历史的运行数据构建卷积神经网络；采用多策略融合粒子群算法优化所述卷积神经网络，确定优化后的卷积神经网络；获取所述核动力装置的待监测的运行数据；根据所述待监测的运行数据，利用所述优化后的卷积神经网络，确定所述待监测的运行数据的诊断结果。本发明所提供的一种基于核动力装置的故障诊断方法及系统，提高核动力装置的故障诊断的效率和准确性。
-
公开(公告)号：CN112036087A
公开(公告)日：2020-12-04
申请号：CN202010908792.8
申请日：2020-09-02
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06K9/62 , G06F111/08
Abstract: 本发明涉及一种多策略融合的核动力关键设备故障诊断方法及系统。该方法包括获取每一个核动力关键设备的每个测点的故障数据以及故障数据的类型；对每个测点的原始故障信号进行经验模态分解，得到每个测点的原始故障信号的各阶本征模态函数分量；对各阶本征模态函数分量进行相空间重构，得到特征参数；根据特征参数，采用排列熵算法，得到排列熵特征；根据排列熵特征，采用核主元分析，确定异常检测模型；根据排列熵特征以及故障数据的类型构建故障分类模型；确定每一个核动力关键设备的每个测点的实时数据的排列熵特征；利用异常检测模型和故障分类模型实现数据的检测和故障分类。本发明提高故障诊断的准确率，并提供诊断结果的出现概率排序。
-
Patent Agency Ranking
公开(公告)号：CN111899905A
公开(公告)日：2020-11-06
申请号：CN202010776694.3
申请日：2020-08-05
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于核动力装置的故障诊断方法及系统。所述方法包括获取核动力装置的历史的运行数据；根据所述历史的运行数据构建卷积神经网络；采用多策略融合粒子群算法优化所述卷积神经网络，确定优化后的卷积神经网络；获取所述核动力装置的待监测的运行数据；根据所述待监测的运行数据，利用所述优化后的卷积神经网络，确定所述待监测的运行数据的诊断结果。本发明所提供的一种基于核动力装置的故障诊断方法及系统，提高核动力装置的故障诊断的效率和准确性。
-
公开(公告)号：CN111881627A
公开(公告)日：2020-11-03
申请号：CN202010776373.3
申请日：2020-08-05
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/00 , G06F111/08 , G06F111/10
Abstract: 本发明涉及一种核动力装置故障诊断方法和系统。所述核动力装置故障诊断方法包括：获取训练好的核动力装置故障诊断模型；采用传感器获取核动力装置中各子系统的运行数据；根据所述运行数据，采用核动力装置故障诊断模型确定所述子系统的故障类别以及与所述故障类别相对应的故障概率。本发明提供的核动力装置故障诊断方法和系统通过采用训练好的核动力装置故障诊断模型，得到的故障类别和故障概率，在提高故障诊断结果准确性、故障诊断效率的同时，确保了诊断结果的稳定性。
-
公开(公告)号：CN111881627B
公开(公告)日：2023-07-18
申请号：CN202010776373.3
申请日：2020-08-05
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/006
Abstract: 本发明涉及一种核动力装置故障诊断方法和系统。所述核动力装置故障诊断方法包括：获取训练好的核动力装置故障诊断模型；采用传感器获取核动力装置中各子系统的运行数据；根据所述运行数据，采用核动力装置故障诊断模型确定所述子系统的故障类别以及与所述故障类别相对应的故障概率。本发明提供的核动力装置故障诊断方法和系统通过采用训练好的核动力装置故障诊断模型，得到的故障类别和故障概率，在提高故障诊断结果准确性、故障诊断效率的同时，确保了诊断结果的稳定性。
-
公开(公告)号：CN112016251A
公开(公告)日：2020-12-01
申请号：CN202010909121.3
申请日：2020-09-02
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06F119/02
Abstract: 本发明涉及一种核动力装置故障的诊断方法及系统。该方法包括：获取核动力装置的历史运行数据以及实际运行数据，并确定实际运行数据的状态类别；对实际运行数据进行相空间重构，确定重构后的实际运行数据；建立小卷积核堆叠形成的时间卷积网络模型；利用重构后的实际运行数据以及状态类别构建时间卷积网络基分类器；根据5个时间卷积网络基分类器确定次级分类器的训练集以及测试集；利用次级分类器训练集对次级分类器进行训练，利用次级分类器测试集对次级分类器进行测试，确定堆栈泛化集成学习模型；根据堆栈泛化集成学习模型对核动力装置进行故障诊断，输出故障类别。本发明提高故障诊断的准确率，避免误诊断和漏诊断的发生。
-
公开(公告)号：CN114239402A
公开(公告)日：2022-03-25
申请号：CN202111549776.5
申请日：2021-12-17
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于优化胶囊网络的核动力循环水泵故障诊断方法及系统，该方法包括：获取核动力循环水泵运行时的振动传感数据以及各种故障下的振动传感数据，组成第一数据集；对所述第一数据集进行预处理，得到第二数据集；对所述第二数据集进行特征提取，得到特征矩阵；对所述特征矩阵进行相空间重构，得到训练数据；构建时间卷积胶囊网络；利用所述训练数据对所述时间卷积胶囊网络进行训练，得到训练后的时间卷积胶囊网络；获取待检测核动力循环水泵的振动传感数据；利用所述训练后的时间卷积胶囊网络判断所述待检测核动力循环水泵的故障结果。本发明能够提高故障诊断的准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.04 seconds)
