公开(公告)号：CN118094374A

公开(公告)日：2024-05-28

申请号：CN202410201305.2

申请日：2024-02-23

Applicant: 宁波大学

Inventor： 谯自健 ,  陈帅 ,  李昊 ,  宁思远 ,  谢彪彪 ,  林丽锋 ,  张成龙 ,  何远彪 ,  杨昌朴 ,  李哲聪 ,  袁艺晨

IPC: G06F18/2415 ,  G06N3/0464 ,  G06N3/0442 ,  F03D17/00 ,  G01M13/021

Abstract: 本发明提供一种基于虚拟指标的风电机组齿轮箱智能状态监测方法，包括以下步骤：获取风电机组的SCADA数据；在获取的SACDA数据中选择与齿轮箱运行状态相关的参数作为特征参数，并对所述特征参数进行归一化；构建基于卷积神经网络、长短时记忆神经网络与自编码器的智能状态监测模型并训练；将各归一化后的特征参数输入所述智能状态监测模型，融合后得到虚拟参数；根据所述虚拟参数构建虚拟指标，所述虚拟指标用于指示风电机组齿轮箱的健康状态；分析风电机组齿轮箱运行时的虚拟指标概率密度分布，基于小概率事件假设设置预警阈值，当虚拟指标连续超过所述预警阈值时，判断齿轮箱出现异常。本发明用于风电机组齿轮箱状态监测与故障预警。

公开(公告)号：CN119848433A

公开(公告)日：2025-04-18

申请号：CN202510069123.9

申请日：2025-01-16

Applicant: 宁波大学

Inventor： 宁思远 ,  谯自健 ,  盖亚楠 ,  王金坡 ,  谢重阳 ,  陈越鹏 ,  林近山

IPC: G06F18/10 ,  G01M13/045 ,  G06F18/214 ,  G06F18/22 ,  G06N3/0475 ,  G06N3/094 ,  G06F17/12 ,  G06F18/213

Abstract: 本发明涉及信号去噪技术领域，且公开了一种数字孪生引导的滚动轴承早期故障信号去噪方法，包括以下步骤：步骤S1，将实验台的运行工况与轴承参数输入进轴承动力学方程并结合真实设备轴承历史数据，构建滚动轴承数字孪生模型，并生成健康状态下的仿真振动信号；步骤S2，获取少量实测信号对数字孪生模型进行更新；其中，将运行初期少量实时监测数据与生成健康状态下的仿真振动信号相结合。该种数字孪生引导的滚动轴承早期故障信号去噪方法，数字孪生生成高质量仿真数据，首次将数字孪生技术应用于滚动轴承故障信号去噪中，验证了在复杂工业环境下利用数字孪生生成与实际运行高度一致的仿真数据进行信号处理的可行性。

公开(公告)号：CN118535996A

公开(公告)日：2024-08-23

申请号：CN202410673145.1

申请日：2024-05-28

Applicant: 宁波大学

Inventor： 张成龙 ,  谯自健 ,  宁思远 ,  谢彪彪 ,  林丽锋 ,  何远彪 ,  杨昌朴 ,  李哲聪 ,  袁艺晨

IPC: G06F18/2415 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/10 ,  G06F18/214

Abstract: 本发明公开了一种旋转机械故障诊断方法及系统，属于故障诊断技术领域，将旋转机械故障样本对应的振动信号转换成RGB图像；构建诊断模型，该诊断模型包括四个依次连接的SDTA编码器以及softmax分类器；每个所述STDA编码器均包括下采样层、卷积编码器与分离深度转置注意力编码器；构建损失函数，通过调整不同域的损失函数权重进行迁移学习，获取最小化交叉熵损失函数；使用训练集和最小化交叉熵损失函数对诊断模型进行训练；获取待诊断的旋转机械的原始振动信号，并将其转换成RGB图像，输入训练后的诊断模型中，输出故障诊断结果。该方法能够提高故障诊断速度和诊断精确度。