-
公开(公告)号:CN110597240B
公开(公告)日:2021-03-30
申请号:CN201911019873.6
申请日:2019-10-24
Applicant: 福州大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于深度学习的水轮发电机组故障诊断方法,首先采集水电机组运行时的振动信号作为样本,并建立数据库;对数据进行预处理,即对原始振动信号进行重构;接着将重构后的数据集分割成训练集、验证集以及测试集;然后训练一维卷积神经网络(1‑D CNN)与门控循环单元(GRU)相结合的网络,并对网络参数进行优化,以避免网络过拟合;最后利用训练好的网络参数建立水电机组故障诊断模型,将测试集样本输入至该模型中,实现水电机组故障诊断。本发明能够提高水电机组故障诊断的准确性。
-
公开(公告)号:CN109145999A
公开(公告)日:2019-01-04
申请号:CN201811038191.5
申请日:2018-09-06
Applicant: 福州大学
CPC classification number: G06K9/6267 , G06F17/5009 , G06K9/00523 , G06K9/00536
Abstract: 本发明涉及一种配电开关振动信号故障特征提取及辨识方法,首先获取配电开关不同状态的振动信号;然后采用乔‑威廉斯分布方法获分解步骤S1获取的振动信号,得到配电开关振动信号的时频矩阵;接着采用分块奇异值分解方法获取步骤S2所得的时频矩阵,并获取特征奇异值向量;最后采用极限学习机分类算法对步骤S3获得的特征奇异值向量进行分类识别。本发明具有较强的辨识度,同时具有较高的辨识准确率。
-
公开(公告)号:CN110597240A
公开(公告)日:2019-12-20
申请号:CN201911019873.6
申请日:2019-10-24
Applicant: 福州大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于深度学习的水轮发电机组故障诊断方法,首先采集水电机组运行时的振动信号作为样本,并建立数据库;对数据进行预处理,即对原始振动信号进行重构;接着将重构后的数据集分割成训练集、验证集以及测试集;然后训练一维卷积神经网络(1-D CNN)与门控循环单元(GRU)相结合的网络,并对网络参数进行优化,以避免网络过拟合;最后利用训练好的网络参数建立水电机组故障诊断模型,将测试集样本输入至该模型中,实现水电机组故障诊断。本发明能够提高水电机组故障诊断的准确性。
-
公开(公告)号:CN211979511U
公开(公告)日:2020-11-20
申请号:CN202020475731.2
申请日:2020-04-03
Applicant: 国网福建省电力有限公司龙岩供电公司 , 福州大学
Abstract: 一种自动标识缺陷绝缘子串的无人机巡检系统,包括:机载控制装置、自动巡检无人机、数据存储设备、和上位机;机载控制装置,包括:图像检测模块、飞行控制模块、和4G传输模块;图像检测模块分别连接4G传输模块和飞行控制模块;自动巡检无人机,包括:工业级摄像头、GPS定位模块、无人机飞行控制平台、载物平台、磁减震脚架、和陀螺仪及其传感器;飞行控制平台分别连接GPS定位模块和陀螺仪及其传感器。本实用新型提升了巡检系统的自动化水平,同时提高了绝缘子缺陷检测的准确率以及效率。
-
-
-