一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法

    公开(公告)号:CN117388709A

    公开(公告)日:2024-01-12

    申请号:CN202311443029.2

    申请日:2023-11-01

    Inventor: 黄从智 孙家琦

    Abstract: 本发明提出了一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法,具体包括以下步骤:S1、利用改进完全集合经验模态分解和精细复合多尺度加权排列熵进行信号处理与特征提取,提取出储能电池信号中的故障特征信息,构建故障特征向量样本集;S2、采用拉普拉斯分数对模型特征向量重要程度进行排序和选取,针对原始数据样本,划分训练集和测试集进行归一化处理;S3、采用鲸鱼优化算法对核极限学习机的关键参数进行寻优,生成故障诊断模型;S4、利用训练集进行模型训练并将测试集输入到模型中进行故障识别。通过上述方案,本发明提出了一种基于鲸鱼优化核极限学习机的储能电池故障诊断方法,基于所提取到的故障特征和建立的样本集,采用鲸鱼优化核极限学习机来构建故障诊断模型,实现对储能电池的故障检测,从而为现场运维人员提供指导与参考。

    一种基于改进深度森林与知识图谱的重型燃气轮机控制系统控制器模块智能BIT设计方法

    公开(公告)号:CN116794981A

    公开(公告)日:2023-09-22

    申请号:CN202310659664.8

    申请日:2023-06-06

    Inventor: 黄从智 郭云泉

    Abstract: 本发明提供了一种基于改进深度森林与知识图谱的重型燃气轮机控制系统控制器模块智能BIT设计方法,属于测试和人工智能领域。该方法用于提高现有重型燃气轮机控制系统控制器模块的可靠性,解决虚警率较高的问题并完成故障溯源与辅助决策。步骤如下:采集并标注重型燃气轮机控制系统控制器模块数据,采用K折交叉验证划分数据集,训练极端随机决策树和旋转森林决策树,将极端随机森林和旋转森林组合构成改进的深度森林的一层,将极端随机森林和旋转森林的决策结果与数据集D作为深度森林下一层的输入,训练改进的深度森林,采用改进的深度森林进行决策,准确识别控制器模块的BIT状态;构建重型燃气轮机控制系统BIT知识图谱,根据改进深度森林模型识别到的BIT状态,当故障发生时,将故障类型作为搜索依据,在知识图谱中进行搜索,匹配故障原因和相关维护建议,完成辅助决策支持。

    一种控制器模块的智能BIT故障诊断方法

    公开(公告)号:CN115933608A

    公开(公告)日:2023-04-07

    申请号:CN202211662078.0

    申请日:2022-12-23

    Abstract: 本发明涉及故障诊断技术领域,尤其涉及一种控制器模块的智能BIT故障诊断方法,包括,步骤S1,采集控制器模块运行数据;步骤S2,对数据进行归一化处理;步骤S3,对全卷积网络训练和测试;步骤S4,优化全卷积网络的超参数设置;步骤S5,将预测值进行二分类;步骤S6,输出智能BIT诊断结果。本发明通过实际重型燃机控制系统控制器模块在运行过程中产生的大量历史数据建立全卷积网络模型,采用多元时序信号输入全卷积网络,实现对控制器模块的智能自检,通过数据驱动的方法,采用全卷积网络提取多元时序信号中的有效特征,从而减少噪声或突发情况造成的故障误报和漏报情况,有效提高了燃气轮机控制器模块的安全性和可靠性。

    一种基于LSTM和生物激励神经网络的重型燃机控制系统控制器模块智能BIT设计方法

    公开(公告)号:CN112000015B

    公开(公告)日:2022-08-05

    申请号:CN202010926704.7

    申请日:2020-09-07

    Abstract: 本发明公开了一种基于LSTM和生物激励神经网络的重型燃机控制器模块智能BIT设计方法,收集重型燃气轮机控制器模块在设定时间段内的时间序列历史数据;数据标准化处理,分为训练集、测试集;针对控制器的每一个状态特征参数类型设计并训练LSTM神经网络,使用改进的万有引力算法对其优化;将处理好的数据输入训练好的指定状态类型的LSTM神经网络并得到该指定状态类型的预测数据,取该预测值与实际状态数据的差值;通过生物激励神经网络,将差值与控制器模块状态信息相关联,训练得到可靠生物激励神经网络模型,完成控制器模块BIT自检。本发明有效提高了重型燃气轮机控制系统控制器模块的安全性和可靠性,提高了智能化水平。

Patent Agency Ranking