“故障分类 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果715842个，建议您升级VIP下载更多相关专利

[发明专利]用于电力信息系统的故障分类模型的训练方法及分类方法-CN202010490481.4有效
发明人：宋博川;柴博;张强;贾全烨;马应龙;李建桂 -专利权人：全球能源互联网研究院有限公司;国家电网有限公司;国网山西省电力公司
申请日： 2020-06-02 - 公布日： 2023-04-18 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及故障分类技术领域，具体涉及电力信息系统的故障分类模型的训练方法及分类方法。训练方法包括获取电力信息系统的故障文本训练集；故障文本训练集中的各个故障文本带有至少一个故障分类标签；对各个故障文本进行预处理；对预处理后的各个故障文本进行文本向量化，得到向量化的故障文本；将向量化的故障文本输入故障分类模型中得到各个故障文本对应的至少一个预测分类标签，并利用各个故障文本的故障分类标签与对应的至少一个预测分类标签，对故障分类模型中的参数进行优化。各个故障文本带有至少一个故障分类标签，故障分类模型对其进行分类可以得到至少一个预测分类标签，能够在保证故障分类准确率的前提下，提高故障文本分类的效率。
用于电力信息系统故障分类模型训练方法

[发明专利]故障分类装置、故障分类方法以及故障分类程序-CN201910090764.7有效
发明人：上口贤男;川上正一 -专利权人：发那科株式会社
申请日： 2019-01-29 - 公布日： 2021-03-05 - 主分类号： G05B19/4065 文献下载
摘要：本发明提供即使在控制装置没有产生警报的情况下也能够确定故障的主要原因的故障分类装置、故障分类方法以及故障分类程序。故障分类装置(1)具备：故障单位取得部(12)，其取得将机器的故障单位与一个或多个结构部件对应起来的数据集；故障履历取得部(11)，其取得包括过去发生的故障的现象以及对策部件的故障履历；以及关联部(13)，其通过将结构部件与对策部件进行匹配，将1个或多个现象的信息与故障单位关联起来进行存储。
故障分类装置方法以及程序

[发明专利]一种基于分类器的异常检测提取方法与系统-CN202311000015.3在审
发明人：杨波;李福存;王苏扬;王雨澄;卞雯雯;林文辉;杨爱玲;马超 -专利权人：江苏金恒信息科技股份有限公司
申请日： 2023-08-10 - 公布日： 2023-09-08 - 主分类号： G06F18/213 文献下载
摘要：本申请提供一种基于分类器的异常检测提取方法与系统。所述方法采集目标检测设备的时间序列数据，将时间序列数据输入至分类器，以进行故障分类。分类器包括故障识别模型和故障分类模型。故障识别模型接收时间序列数据，可以得到待分类时间序列数据。故障分类模型接收待分类时间序列数据与目标检测设备的历史故障数据，输出目标检测设备的故障类型。基于机器学习的过程，通过故障识别模型和故障分类模型组成分类器，可以根据采集得到的时间序列数据先后提取故障信号以及故障信号关联的故障类型，缓解非线性数据不易提取特征的问题，提高故障类型识别的准确率。
一种基于分类异常检测提取方法系统

[发明专利]基于故障文本的分类方法、装置、设备及存储介质-CN202111442655.0在审
发明人：历莹;宋建军 -专利权人：北京金风科创风电设备有限公司
申请日： 2021-11-30 - 公布日： 2023-06-02 - 主分类号： G06F16/33 文献下载
摘要：本申请公开了一种基于故障文本的分类方法、装置、设备及存储介质，属于风力发电领域。该方法包括：将从风电场获取的故障文本作为故障文本训练集，故障文本训练集存储于风电语料数据库；从故障文本训练集的故障文本中提取与风力发电机组关联的第一故障特征词；按照预设的多个候选分类数目，分别对第一故障特征词分类，得到各候选分类数目对应的分类结果；根据分类结果，将不同类别第一故障特征词的差异度最大的候选分类数目确定为目标分类数目；基于目标分类数目，对待分类的故障文本中与风力发电机组关联的第二故障特征词分类，得到分类后的第二故障特征词根据本申请实施例能够提高对故障文本中内容的分类的精确度。
基于故障文本分类方法装置设备存储介质

[发明专利]一种配电网故障类型的识别方法-CN201910528483.5在审
发明人：姚蔷;戴义波;张建良 -专利权人：北京映翰通网络技术股份有限公司
申请日： 2019-06-18 - 公布日： 2020-12-18 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种配电网故障类型识别方法，所述方法包括：构建故障波形生成器模型和故障波形识别器模型用于为分类器训练提供故障波形‑故障类型数据组；构建辅助分类器模型，该辅助分类器模型用于识别输入的故障波形的时序为顺时序或逆时序；构建故障分类器模型，且该故障分类器模型与辅助分类器模型中的部分结构保持一致；利用实际故障波形‑故障类型数据组或由故障波形生成器生成的人工故障波形‑故障类型数据组，对故障分类器模型进行训练，从而获得故障分类器
一种配电网故障类型识别方法

[发明专利]故障的分类方法、存储介质及计算机设备-CN201810108184.1在审
发明人：王月瑶;洪楷;刘伟;陈乃华;张学亮 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-02-02 - 公布日： 2018-08-10 - 主分类号： G06F17/30 文献下载
摘要：本申请涉及一种故障的分类方法、计算机可读存储介质及计算机设备，该方法包括：获取待分类故障文本信息中的各待分类分词；基于预定的词分类器对各所述待分类分词进行分类，分别确定属于各预定故障类别的所述待分类分词的数目；根据属于各所述预定故障类别的所述待分类分词的数目，确定所述待分类故障文本信息所属的所述预定故障类别。本申请的方案能够基于故障文本信息对故障进行分类。
分类分词文本信息计算机设备计算机可读存储介质存储介质故障类别词分类申请

[发明专利]一种配电网的变压器的故障分类方法和故障分类装置-CN201910892078.1在审
发明人：李维;郭俊;王洪林 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2019-09-20 - 公布日： 2019-12-24 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种配电网的变压器的故障分类方法和故障分类装置，该方法包括：采集配电网的变压器的目标数据，并根据目标数据，建立第一数据矩阵；利用t分布随机邻域嵌入算法提取第一数据矩阵的关键特征，获得第二数据矩阵；利用分类器对第二数据矩阵进行训练，获得故障分类模型；采集配电网的变压器的故障数据；通过故障分类模型对故障数据进行分类，获得故障数据对应的故障类别。这样，利用t分布随机邻域嵌入算法提取第一数据矩阵的关键特征，获得第二数据矩阵，并利用分类器对第二数据矩阵进行训练，获得故障分类模型。该故障分类模型考虑了影响配电网的变压器的故障的多种变量，可以对配电网的变压器的故障进行正确分类，故障分类效果较好。
故障分类配电网变压器数据矩阵矩阵第一数据故障数据关键特征目标数据随机邻域分类器算法嵌入采集故障类别分类申请

[发明专利]轴承故障分类方法及装置、电子设备及可读存储介质-CN202211466223.8在审
发明人：尹洪申 -专利权人：中国电信股份有限公司
申请日： 2022-11-22 - 公布日： 2023-03-07 - 主分类号： G06F18/213 文献下载
摘要：本发明提供了一种轴承故障分类方法及装置、电子设备及可读存储介质，涉及轴承故障诊断技术领域。方法包括：将目标轴承的轴承故障数据输入故障分类模型，其中，故障分类模型是预先根据源域样本数据、目标域样本数据训练以及分类总损失函数训练完成的，分类总损失函数是根据源域样本数据以及目标域样本数据确定的；通过故障分类模型的特征提取模块，确定轴承故障数据对应的不同频率的故障信号；通过故障分类模型的特征处理模块，对不同频率的故障信号中的关键特征赋予预设权重，以得到第一特征；通过故障分类模型的特征分类模块，根据第一特征确定目标轴承对应的故障分类因此，能够解决现有技术中由于源域与目标域数据分布差异，而导致无法取得较高的轴承故障数据的分类准确率的问题。
轴承故障分类方法装置电子设备可读存储介质

[发明专利]一种故障分类方法及装置-CN201710682972.7在审
发明人：段谊海;刘成平;李锋 -专利权人：郑州云海信息技术有限公司
申请日： 2017-08-10 - 公布日： 2017-12-12 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种故障分类方法及装置，包括获取待分类故障样本；将待分类故障样本分别输入K(K‑1)/2个支持向量机(SVM)分类器，得到K(K‑1)/2个故障结果；根据K(K‑1)/2个故障结果确定待分类故障样本的故障类别从本发明实施例可见，由于有K(K‑1)/2个SVM分类器，当待分类故障样本输入这K(K‑1)/2个SVM分类器后，就会自动生成K(K‑1)/2个故障结果，根据这K(K‑1)/2个故障结果就能最终确定待分类故障样本的故障类别，进而根据故障类别进行及时地解决，从而保证了数据中心设备运行的稳定性、安全性和各种业务的正常运行。
一种故障分类方法装置

[发明专利]故障异常分类方法、装置及可读存储介质-CN202111544093.0在审
发明人：夏运思;张强;李爱华;孙国军;李星 -专利权人：珠海金山数字网络科技有限公司
申请日： 2021-12-16 - 公布日： 2022-04-26 - 主分类号： G06F11/07 文献下载
摘要：本发明涉及一种故障异常分类方法、装置及可读介质的技术方案，包括:响应于故障异常分类请求，获取异常数据；对所述异常数据执行第一分类处理，得到精细化故障异常的分类结果；对所述精细化故障异常的分类结果执行第二分类处理，得到指定的故障异常分类结果；对所述故障异常分类结果进行异常类别转换，得到直观显示的故障异常数据。本发明的技术方案对故障异常进行快速过滤，使得开发人员更准确定位故障异常，且对故障进行直观展示。
故障异常分类方法装置可读存储介质

[发明专利]一种电能质量故障分类方法、系统、装置及可读存储介质-CN201810878555.4在审
发明人：高俊青;胡翔;屠永伟;李题印;孙亮;辛业春;徐红艳 -专利权人：杭州电力设备制造有限公司;国网浙江杭州市余杭区供电有限公司;东北电力大学;国网浙江省电力有限公司杭州供电公司
申请日： 2018-08-03 - 公布日： 2019-01-04 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种电能质量故障分类方法，包括：获取电能质量训练样本；根据所述电能质量训练样本建立故障分类模型；将待分类的电能质量数据输入所述故障分类模型，得到对应的电能质量分类结果。本发明利用电能质量训练样本建立故障分类模型，该故障分类模型中不同的电能质量指标之间存在更为深刻清晰的联系，因此待分类的电能质量数据在该故障分类模型中可以解析得到更准确的关系，从而得到更准确的电能质量分类结果而且由于故障分类模型为机器模型，电能质量分类结果不会受到主观经验的误差影响。相应的，本申请还公开了一种电能质量故障分类系统、装置及可读存储介质。
故障分类电能质量分类训练样本质量故障电能质量数据可读存储介质分类电能质量指标分类系统机器模型误差影响主观经验申请解析清晰

[发明专利]恢复系统-CN201680091326.7有效
发明人：高井真人;上田隆美;引地刚树;盐崎秀树;大江敏男 -专利权人：三菱电机株式会社;三菱电机大楼技术服务株式会社
申请日： 2016-12-26 - 公布日： 2020-11-03 - 主分类号： B66B5/00 文献下载
摘要：分类器(11)对所输入的时序数据进行分类而输出多个估计故障内容。分类器(13)对所输入的属性数据进行分类而输出多个估计故障内容。故障确定部(14)根据分类器(11)输出的估计故障内容以及分类器(13)输出的估计故障内容来确定电梯装置所发生的故障内容。作业确定部(15)确定针对故障确定部(14)确定出的故障内容的作业内容。
恢复系统

[发明专利]一种用电信息采集设备故障分类模型训练方法及装置-CN202111358733.9有效
发明人：李悦;周玉;杜新纲;葛得辉;高凡;黄奇峰;邵雪松;易永仙;王舒;支亚薇 -专利权人：国网江苏省电力有限公司营销服务中心
申请日： 2021-11-17 - 公布日： 2022-08-02 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种用电信息采集设备故障分类模型训练方法及装置，其中，该方法包括：对故障信息样本集进行数据处理，以得到训练集；将训练集输入到多个分类器进行训练，获得多个分类器不同故障类型的召回率；根据召回率，对多个分类器进行加权融合，以得到目标故障分类模型。通过训练多个分类器，使用召回率进行加权融合，构建目标故障分类模型，根据这个目标故障分类模型进行未知类别标签故障数据的预测分类，综合体现出不同单分类器的优势，提高了训练模型有效地对故障分类预测的准确率、稳定性
一种用电信息采集设备故障分类模型训练方法装置

[发明专利]基于NLP的风机叶片故障分类方法、系统-CN202111522587.9在审
发明人：苏龙;吴炎生;马全瑞;张发佳;王虎健 -专利权人：中电投新疆能源化工集团陇西新能源有限责任公司
申请日： 2021-12-13 - 公布日： 2022-04-15 - 主分类号： G06F16/906 文献下载
摘要：本发明提供一种基于NLP的风机叶片故障分类方法，通过连接端口在风机故障数据库中获取风机的故障信息，再将风机故障管理模块的分类功能与NLP学习的功能一一对应以形成NLP分类脚本，而后通过NLP分类脚本生成风机故障知识图谱，并对新增的风机故障信息进行图谱归属划分以完成风机叶片的故障分类，如此，以NLP分类脚本自动对新获取的风机故障数据进行分类管理的方式取代人工上传故障数据的方式，不仅提高风机故障数据的管理效率，且提高风机故障数据的管理精度，能够清晰地将同一类别、同一层级区分的故障数据进行分类处理，并且能够形成完整的风机故障知识图谱。
基于 nlp 风机叶片故障分类方法系统

[发明专利]一种基于深度学习的配电网故障分类方法、系统和介质-CN201911381606.3有效
发明人：林湘宁;汪光远;马啸;李正天;曹善康 -专利权人：华中科技大学;国网湖北省电力有限公司
申请日： 2019-12-27 - 公布日： 2022-08-12 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度学习的配电网故障分类方法、系统和介质，包括获取多个原始故障波形数据组；对每个原始故障波形数据组分别进行处理，得到目标样本数据；将所有目标样本数据制作成数据集，并将数据集划分成训练集和测试集，构建深度学习网络模型，利用训练集对深度学习网络模型进行训练得到原始故障分类模型；利用测试集对原始故障分类模型进行参数调优得到优化故障分类模型；获取实时故障波形数据组，并对实时故障波形数据组进行处理，得到待测故障数据，利用优化故障分类模型对待测故障数据进行实时识别，得到故障实时分类结果。本发明利用深度学习的强分类优势对配电网中的故障进行快速可靠地识别与分类，识别效率高，分类准确率高。
一种基于深度学习配电网故障分类方法系统介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条