“故障样本”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619941个，建议您升级VIP下载更多相关专利

[发明专利]一种基于数据增强的数据中心故障预测方法-CN201910824129.7有效
发明人：伍卫国;康益菲;崔舜;杨傲;王倩;孙岚子 -专利权人：西安交通大学
申请日： 2019-09-02 - 公布日： 2020-10-27 - 主分类号： G06F11/07 文献下载
摘要：本发明公开了一种基于数据增强的数据中心故障预测方法，将数据点归一化得到故障预测模型的输入输出数据对，确定与故障相关的输入向量x构成真实故障数据集Dfault_real；然后建立数据增强模型，对真实故障数据集Dfault_real进行数据增强，生成器产生样本，用生成样本和真实样本更新判别器，判别器如果能分辨生成样本和真实样本，则固定判别器，更新生成器重新产生样本，如不能够分辨生成样本和真实样本，则进行数据合并，生成数据增强后的数据集Dfull；最后使用数据集Dfull实现故障预测。本方法有效提高了故障预测的准确率。
一种基于数据增强数据中心故障预测方法

[发明专利]一种基于精细时移多尺度排列熵与萤火虫算法优化支持向量机的故障诊断方法-CN201910372132.X有效
发明人：董治麟;郑近德;潘海洋;童靳于;刘庆运;张义方 -专利权人：安徽工业大学
申请日： 2019-05-06 - 公布日： 2023-04-07 - 主分类号： G06F18/2411 文献下载
摘要：本发明公开了故障诊断技术领域的一种基于精细时移多尺度排列熵与支持向量机的故障诊断方法，本发明的步骤为：采集待诊断物体的原始故障振动信号；提取原始故障振动信号的精细时移多尺度排列熵值；将故障样本分为多个训练样本和测试样本；采用多个训练样本对基于萤火虫优化的支持向量机多故障分类器进行训练；采用已训练完成的多故障分类器(萤火虫算法优化的支持向量机)对测试样本进行分类；根据分类结果识别故障物体的工作状态和故障类型。本发明提出的故障诊断方法在特征提取的过程中有较高的创新性，在故障识别过程中具有较高的识别度。
一种基于精细时移多尺度排列萤火虫算法优化支持向量故障诊断方法

[发明专利]设备故障分类方法、装置、设备及介质-CN202210147854.7在审
发明人：李鲲;齐振宇;康宇;赵云波;吕文君 -专利权人：中国科学技术大学先进技术研究院
申请日： 2022-02-17 - 公布日： 2022-05-27 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了设备故障分类方法、装置、设备及介质，所述方法包括：获取设备振动信号，构建设备振动信号对应的样本集合；依据有标签样本集合，构建深度神经关系网络；将无标签样本和有标签样本成对输入深度神经关系网络，得到第一关联关系评分；根据第一关联关系评分和有标签样本的设备健康状态标签，生成无标签样本对应的伪标签；依据训练样本集、无标签样本和伪标签，重新训练深度神经关系网络，得到深度神经关系网络故障分类模型；通过深度神经关系网络故障分类模型对待检测设备进行设备故障分类预测，得到待检测设备的故障分类结果。本申请解决了现有技术中依据少量标记样本构建的机器学习模型进行设备故障诊断的准确性低的技术问题。
设备故障分类方法装置介质

[发明专利]故障预测方法及相关装置-CN202011596329.0在审
发明人：刘冬实;康炳南;纪晓峰;胡崝 -专利权人：超聚变数字技术有限公司
申请日： 2020-12-29 - 公布日： 2022-07-15 - 主分类号： G06F11/26 文献下载
摘要：本申请实施例提供一种故障预测方法及相关装置，该方法包括：从多个样本数据中划分得到正样本数据和负样本数据，正样本数据包括多个样本数据中的故障数据和第一部分亚健康数据，第一部分亚健康数据的特征与故障数据的特征的相似度大于第一阈值，负样本数据包括多个样本数据中的健康数据和第二部分亚健康数据，第二部分亚健康数据的特征与故障数据的特征的相似度小于第二阈值；根据正样本数据和负样本数据训练得到故障预测模型，其中，故障预测模型用于分析目标数据得到预测结果
故障预测方法相关装置

[发明专利]一种带梯度惩罚的DCGAN的故障样本生成方法及系统-CN202210869864.1在审
发明人：王红军;王政博;张翔;刘淑聪;王楠 -专利权人：北京信息科技大学
申请日： 2022-07-22 - 公布日： 2022-11-01 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种带梯度惩罚的DCGAN的故障样本生成方法及系统，其包括：构建正交梯度惩罚深度卷积生成对抗网络模型，设置生成器和判别器，所述生成器用于生成假数据，作为生成样本；对振动信号进行变分模态分解降噪，将降噪后的振动信号转为二维灰度图像，所述二维灰度图像为故障样本，将所述生成样本和所述故障样本输入所述判别器，获得样本真假分类结果；根据所述样本真假分类结果构建所述生成器和所述判别器的损失函数，固定所述生成器和所述判别器的网络参数，对所述正交梯度惩罚深度卷积生成对抗网络模型进行学习训练，由训练后的所述深度卷积生成对抗网络模型得到生成故障样本集。本发明能有效扩充故障样本，为复杂机电系统故障诊断提供支持。
一种梯度惩罚 dcgan 故障样本生成方法系统

[发明专利]电弧故障检测的方法及装置-CN201910962476.6有效
发明人：赵铁军;贾清泉;王珺 -专利权人：国网冀北电力有限公司秦皇岛供电公司;国家电网有限公司
申请日： 2019-10-11 - 公布日： 2022-07-01 - 主分类号： H02S50/10 文献下载
摘要：本发明提供一种电弧故障检测的方法及装置，通过获取光伏发电系统的多个电流信号。对多个电流信号进行处理，得到电弧故障特征频段。再对多个电流信号进行分解，得到与电弧故障特征频段对应的重构系数。利用重构系数计算得到所述电流信号的第一样本熵和第二样本熵；其中，第一样本熵为正常状态下的电流信号的样本熵，第二样本熵为故障状态下的电流信号的样本熵。根据所述电流信号的第一样本熵和第二样本熵，计算得到动作阈值。利用该动作阈值判定电弧是否发生故障。因此，可以根据动作阈值与光伏发电系统中的电流信号的样本熵作比较，来检测光伏发电系统中电弧是否发生故障。
电弧故障检测方法装置

[发明专利]基于大数据的工业预测维修系统及其使用方法-CN201910501389.0在审
发明人：刘伟;董为;鞠丹;周嫣媛 -专利权人：武汉蓝智科技有限公司
申请日： 2019-06-11 - 公布日： 2019-10-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于大数据的工业预测维修系统及其使用方法，该方法包括：获取历史运行数据，根据所述历史运行数据得到若干训练样本，所述训练样本包括故障样本以及正常样本；基于所述若干训练样本对广度和深度Wide And Deep模型进行训练，得到故障检测模型；将所述正常样本输入所述故障检测模型，得到若干第一输出值；根据所述若干第一输出值，确定故障阈值；将待检测机械的当前运行数据输入所述故障检测模型，得到第二输出值；检测所述第二输出值是否大于所述故障阈值；若所述第二输出值大于所述故障阈值，则输出告警提示。通过本发明，能及时引导维修人员发现设备的故障状态，为设备的安全高效运行提供技术保障。
输出故障检测模型训练样本历史运行数据维修系统正常样本大数据发现设备高效运行告警提示故障样本故障状态技术保障运行数据检测预测维修安全

[发明专利]一种磁盘故障检测方法、装置、系统及可读存储介质-CN202110997844.8在审
发明人：王团结;曹琪;李强 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2021-08-27 - 公布日： 2022-03-04 - 主分类号： G11C29/10 文献下载
摘要：本发明公开了一种磁盘故障检测方法、装置、系统及计算机可读存储介质，该方法包括：预先基于多个磁盘型号的故障磁盘和健康磁盘建立状态信息样本池，状态信息样本池包括多个故障盘的状态信息样本和多个健康盘的状态信息样本；基于状态信息样本池中的状态信息样本对预先建立的孪生网络进行训练，得到训练后的磁盘故障预测模型；采用磁盘故障预测模型对待检测磁盘的当前状态信息进行处理分析，得到待检测磁盘的当前状态；由于本发明中的磁盘故障预测模型是基于多个磁盘型号的多个故障磁盘和多个健康磁盘的状态信息建立的，因此采用该磁盘故障预测模型能够更加准确的预测磁盘状态，并且预测效率高，适用范围广。
一种磁盘故障检测方法装置系统可读存储介质

[发明专利]一种基于集成学习的带钢热轧过程故障分类方法及装置-CN202210068370.3在审
发明人：彭开香;杨婕;董洁 -专利权人：北京科技大学
申请日： 2022-01-20 - 公布日： 2022-05-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于集成学习的带钢热轧过程故障分类方法及装置，该方法包括：获取带钢热轧过程中产生的历史样本数据，建立历史样本数据库；对历史样本数据库中不同数据集中的数据分别进行数据预处理；训练深度置信网络，对预处理后的历史样本数据进行特征提取并进行类型标注，以构建新的样本数据集；利用新的样本数据集训练AdaBoost分类模型，利用训练后的分类模型对带钢热轧过程数据进行故障分类，并结合历史故障维修信息定位故障变量本发明的技术方案可以准确识别故障类型，充分利用已有历史故障维修信息进行故障定位，为带钢热轧过程故障诊断和运行维护提供有效的辅助决策信息。
一种基于集成学习带钢热轧过程故障分类方法装置

[发明专利]容错控制能力评估方法及系统-CN202210163478.0在审
发明人：杨婷;李阳;侯铮;韩渭辛 -专利权人：北京空天技术研究所
申请日： 2022-02-22 - 公布日： 2022-06-14 - 主分类号： G05B23/02 文献下载
摘要：本发明提供一种容错控制能力评估方法及系统，该方法包括：获取预存样本，所述预存样本包括四组时间序列数据，分别为无故障情况下的理想参考轨迹及其参考输出、有故障情况下的理想降级参考轨迹及其参考输出，其中，无故障情况下的参考输出为参考输出，有故障情况下的参考输出为对比输出；基于故障注入技术获取任意待评估故障容错控制算法下的评估样本，所述评估样本包括实际参考轨迹及实际参考轨迹下的实际输出；基于所述预存样本以及评估样本计算评估指标；基于所述评估指标对待评估故障容错控制算法进行评估本发明方案具有良好的通用性和兼容性可以适用于不同故障容错控制策略。
容错控制能力评估方法系统

[发明专利]基于模拟疫苗的动态人工免疫故障诊断方法-CN201210229367.1有效
发明人：赵劲松;戴一阳;舒逸聃;朱剑锋 -专利权人：清华大学
申请日： 2012-07-03 - 公布日： 2012-10-31 - 主分类号： G06F19/00 文献下载
摘要：本发明提出一种基于模拟疫苗的动态人工免疫故障诊断方法，包括：根据工艺流程建立动态仿真模型；运行动态仿真模型以得到模拟样本集合；从模拟正常样本集合提取预定时间内的数据生成正常模拟疫苗，从模拟故障样本集合提取预定时间内的数据生成故障模拟疫苗；获取工艺流程运行的历史数据以生成历史样本集合；根据正常样本集合和正常模拟疫苗生成正常抗体库；根据历史故障样本集合和故障模拟疫苗生成故障抗体库。该方法能够克服工艺流程的历史数据不足、有效地对工艺流程的故障进行准确、快速的检测，且能够判断出故障的类型。
基于模拟疫苗动态人工免疫故障诊断方法

[发明专利]一种故障预测方法及装置-CN201611227827.1有效
发明人：周方超 -专利权人：东软集团股份有限公司
申请日： 2016-12-27 - 公布日： 2020-01-31 - 主分类号： E21B47/008 文献下载
摘要：本发明实施例公开了一种故障预测方法，包括：获取被监测设备的示功图，得到待测示功图；将所述待测示功图与预先获得的样本集合中每个样本对应的示功图进行匹配，获得所述待测示功图与所述每个样本对应的示功图之间的匹配度；其中，所述样本集合中的每个样本对应一种故障工作状态；从所述匹配度中获取匹配度最大值；将所述匹配度最大值的样本对应的故障工作状态确定为所述被监测设备的预测故障。本发明实施例提供的故障预测方法，能够实现对被监测设备故障的提前预测，故障预测的结果准确，预测效率高，降低了故障风险及危害，且无需人工比对示功图，节约了人工成本。
一种故障预测方法装置

[发明专利]基于样本迁移学习的新型电力系统故障分类方法-CN202310226145.2在审
发明人：龙云;刘璐豪;梁雪青;卢有飞;赵宏伟;吴任博;陈明辉;张少凡;刘超;王历晔;林泽暄;王海洋;姚吴嘉品 -专利权人：广东电网有限责任公司广州供电局
申请日： 2023-03-10 - 公布日： 2023-07-14 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于样本迁移学习的新型电力系统故障分类方法，包括：构造双馈风机送出线故障仿真模型，生成故障类别的故障样本，并得到数据样本和标签；搭建深度卷积神经网络模型，利用数据样本及标签对神经网络进行预训练；搭建新型电力系统模型，生成少量各类型的故障数据，并获取新能源训练样本及标签；将预训练好的深度卷积网络模型的卷积层冻结，利用新能源训练样本及标签对冻结后的预训练好的深度卷积神经网络模型中的全连接层进行重新训练；将待识别故障样本输入至训练好的深度卷积网络模型中，得到最终所判别的故障类型。本发明根据故障线路的三相电压和三相电流测量信息，即可自动区分新型电力系统输电线路的故障类别。
基于样本迁移学习新型电力系统故障分类方法

[发明专利]一种基于声信号特征库的风机桨叶故障识别方法-CN201811127368.9有效
发明人：张家安;王宇星;李志军;王华君 -专利权人：河北工业大学
申请日： 2018-09-27 - 公布日： 2020-03-13 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种基于声信号特征库的风机桨叶故障识别方法，包括以下步骤：步骤1、采集一个风场所有风机正常运行时各自桨叶发出的声音信号，利用梅尔频率倒谱系数法将各台风机桨叶的声信号转化为待测样本的特征矩阵；步骤2、求取各待测样本的特征矩阵分别与正常状态特征库中对应位置的参考样本的特征矩阵的相关系数ρ1，并设定ρ1的初始阀值a，以此为判据判断所测样本是否故障；步骤3、待测样本经过步骤2判断是否故障，故障类型通过故障类型特征库来识别。通过计算待测样本与正常状态特征库、故障类型特征库中对应参考样本的相关系数的大小来判断是否故障，并指示故障的类型，并对相关系数的阀值不断修正，提高叶片故障检测的准确性。
一种基于信号特征风机桨叶故障识别方法

[发明专利]基于CNN彩色特征图的额定运转时轴承故障识别法-CN201910490239.4有效
发明人：王华庆;李石;宋浏阳;苑博威;崔玲丽 -专利权人：北京化工大学
申请日： 2019-06-06 - 公布日： 2020-05-19 - 主分类号： G01M13/028 文献下载
摘要：基于CNN彩色特征图的额定运行时轴承故障类别识别法属于单源故障识别领域，其特征在于：(1)把按周期采集的各采样点振幅序列转换成故障源采样点上的时变振幅值序列；(2)按最大振幅值最接近的原则从八类轴承故障样本中找到候选故障样本，标志其故障类别；(3)用一个变偏置变权重的卷积函数，按样本振幅特征值序列和故障源实测振幅值序列间的对应采样时刻的像素值之差像素值变化率之差在误差允许范围内的方法找出实测故障振幅特征值序列，及相应的彩色特征图；(4)按色彩相似度值最接近的原则从同类故障样本中找到一个待定的故障样本；(5)用待定故障样本预置的故障特征频率与用谐波分析软件从故障实测彩色特征图求得的故障特征频率比较，若在误差允许范围内，则轴承类别确定
基于 cnn 彩色特征额定运转轴承故障识别