-
公开(公告)号：CN117310479A
公开(公告)日：2023-12-29
申请号：CN202311042363.7
申请日：2023-08-17
Applicant: 湖南大学
IPC: G01R31/34 , G01H17/00 , G06F18/10 , G06F18/213 , G06N3/0442 , G06F123/02
Abstract: 本发明公开了一种基于时频特征信号分布优化的电机故障预测方法及系统，本发明方法包括：S101，获取电机的振动时域信号；S102，将振动时域信号采用旋转门压缩算法SDT进行压缩以减少数据量，并对压缩后的振动时域信号采用ARIMA模型补充数据点，并转换为时间序列分布；S103，将振动时域信号采用变分模态分解VMD提取辅助预测信号；S104，将辅助预测信号、时间序列分布组合利用门控循环单元GRU实现故障预测。本发明旨在降低信号中的噪声成分、提高信号的集中程度，提高了电机故障的识别能力。
-
公开(公告)号：CN112541524B
公开(公告)日：2024-04-02
申请号：CN202011294362.8
申请日：2020-11-18
Applicant: 湖南大学
IPC: G06F18/214 , G06F18/241 , G06F17/16 , G06F17/14 , G01R31/34
Abstract: 本发明公开了一种基于注意力机制改进的BP‑Adaboost多源信息电机故障诊断方法，包括获取被诊断电机获取P种传感器的时域数据；进行降采样然后再通过Hilbert变换和FFT变换提取频率幅值和相位作为输入特征，将P种传感器的输入特征输入预先训练好的基于注意力机制改进的BP‑Adaboost分类器得到电机的状态。本发明利用基于注意力机制改进的BP‑Adaboost，对不同来源的数据信息进行单独学习训练，形成不同次级分类器的初步诊断，且通过注意力机制将故障诊断方法聚焦到重点测量手段信息，以此来提升信息筛选和判别的能力，并得到最终诊断结果，大大提高电机系统的故障诊断的稳定性和精度。
-
公开(公告)号：CN112541524A
公开(公告)日：2021-03-23
申请号：CN202011294362.8
申请日：2020-11-18
Applicant: 湖南大学
Abstract: 本发明公开了一种基于注意力机制改进的BP‑Adaboost多源信息电机故障诊断方法，包括获取被诊断电机获取P种传感器的时域数据；进行降采样然后再通过Hilbert变换和FFT变换提取频率幅值和相位作为输入特征，将P种传感器的输入特征输入预先训练好的基于注意力机制改进的BP‑Adaboost分类器得到电机的状态。本发明利用基于注意力机制改进的BP‑Adaboost，对不同来源的数据信息进行单独学习训练，形成不同次级分类器的初步诊断，且通过注意力机制将故障诊断方法聚焦到重点测量手段信息，以此来提升信息筛选和判别的能力，并得到最终诊断结果，大大提高电机系统的故障诊断的稳定性和精度。
-
公开(公告)号：CN118779718A
公开(公告)日：2024-10-15
申请号：CN202410767088.3
申请日：2024-06-14
Applicant: 湖南大学
IPC: G06F18/241 , G01R31/34 , G06F18/213
Abstract: 本发明公开了一种异步电机故障诊断模型构建、诊断方法及系统，本发明采集不同健康状态异步电机在不同工况下的外部漏磁时域信号进而重构异步电机内部磁感线分布，基于构磁感线分布形状与电机健康状态的因果关联，即磁感线形状反映电机健康状态，将磁感线分布形状特征转换为图结构特征，最后利用图结构特征进行电机健康状态因果感知匹配，对不同工况下电机健康状态图结构特征因果感知编码构建电机故障诊断分类器。即通过异步电机外部漏磁重构电机内部磁感线分布，可引入并继承内部磁感线知识理论体系，使得基于数据驱动的电机故障诊断体系与人类具有共同知识，提高对基于数据驱动的故障诊断方法的信任度，提高故障诊断模型鲁棒性，降低决策风险。
-
-
-
Search Results
4
records
(took 0.016 seconds)
