公开(公告)号：CN119474705A

公开(公告)日：2025-02-18

申请号：CN202411335369.8

申请日：2024-09-24

Applicant: 湖南工业大学

Inventor： 李涛 ,  杨佳微 ,  李晨熙 ,  杨军 ,  李登科 ,  查国涛 ,  胡云卿 ,  宋士轲 ,  刘晓波 ,  王里达 ,  彭宣霖 ,  张昌凡

IPC: G06F18/20 ,  G06N3/0499

Abstract: 本发明公开一种基于振动小样本数据的列车牵引电机‑齿轮箱耦合噪声预测方法及系统，其步骤包括：根据平方相干‑回归系数联合分析耦合噪声与振动信号之间的高相关性；通过前馈神经网络建立振动信号与耦合噪声之间的映射关系；基于树结构的贝叶斯优化算法找寻最优的隐含层层数、节点数和学习率配置，提取振动数据和耦合噪声数据映射关系；注意力机制计算特征数据的权重，构建贝叶斯‑注意力‑前馈神经网络模型，并通过迭代进行强化、更新，输出预测结果。本发明通过构建贝叶斯‑注意力‑前馈神经网络耦合噪声预测模型，通过少量振动信号精准预测耦合噪声，解决了小样本数据的列车牵引电机‑齿轮箱耦合噪声预测稳定性较差、准确率不高的技术问题。

公开(公告)号：CN119288783A

公开(公告)日：2025-01-10

申请号：CN202411477050.9

申请日：2024-10-22

Applicant: 湖南工业大学

Inventor： 李涛 ,  杨佳微 ,  吴晓婷 ,  杨军 ,  陈亚楠 ,  邓航 ,  李晨熙 ,  何静 ,  王欣

IPC: F03D17/00 ,  G06F18/2415 ,  G06F18/25 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了基于分数阶神经网络的风电机组故障诊断方法及系统，方法步骤包括：S1.将预处理后的原始偏航系统声频信号转化为时域数据、频域数据与声谱数据；S2.建立并行多模态密集连接卷积网络，从三个维度捕捉故障的瞬态或周期性特征；S3.将在不同维度下捕捉到的偏航异响故障特征进行特征融合；S4.采用动量分数阶优化技术进行并行多模态密集连接网络模型训练与性能优化，构建分数阶‑多模态密集连接卷积网络；S5.连续调整模型权重与参数，输出风电机组偏航异响故障诊断结果；本发明的有益效果为：提取并分析不同模态下声音信号的数据特征，提出分数阶‑多模态密集连接卷积网络利用小样本数据进行准确的异响故障诊断。