“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]基于融合核熵与信息增益的光伏热斑故障检测方法及系统-CN202211418893.2有效
发明人：易辉;蒋尚俊 -专利权人：南京工业大学
申请日： 2022-11-14 - 公布日： 2023-05-16 - 主分类号： G06F18/25 文献下载
摘要：本发明公开了一种基于融合核熵与信息增益的光伏热斑故障检测方法，将测试样本和训练样本进行融合得到融合样本，对融合样本进行标准化处理并利用高斯核函数将其投影到高维空间，对核矩阵进行特征分解得到特征值和特征向量，选择特征值和特征向量计算融合样本的特征信息；利用训练样本的特征信息确定故障检测阈值，通过故障检测变量并与故障检测阈值比较，判断光伏组件是否出现热斑故障；本发明选择核熵成分分析方法提取样本的特征信息，无需假设样本数据符合高斯分布假设，具有更广泛的适用范围；本发明考虑了核熵成分分析方法是基于信息熵的特征提取方法，引入信息增益作为热斑故障检测的检测变量，具有更好的检测效果。
基于融合信息增益光伏热斑故障检测方法系统

[发明专利]基于构造性神经网络实现小样本下的故障诊断方法-CN202310682297.3在审
发明人：张持健;张武琪;方明星 -专利权人：安徽师范大学
申请日： 2023-06-09 - 公布日： 2023-09-05 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了基于构造性神经网络实现小样本数据集下的故障诊断方法，包括如下步骤：(1)获取表征模拟电路故障特征的小样本集；(2)构建基于小样本数据集的前向神经网络；(3)采用构建后的前向神经网络对实际模拟电路故障样本类别进行精准诊断本发明的优点在于：适用于小样本集的快速构建前向神经网络，可以快速实现神经网络的权重确定并用于识别模拟电路中的故障诊断；基于小样本建立前向神经网络，具有快速的建立和训练的优点，同时具备小样本中的故障类别的
基于构造神经网络实现样本故障诊断方法

[发明专利]一种故障检测方法、装置及设备-CN201910926006.4在审
发明人：李洋光;曾正达;王冕;陈品安;何诚;黄瑞瑞;菅骁翔 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-09-27 - 公布日： 2021-03-30 - 主分类号： G06F11/07 文献下载
摘要：本申请提供一种故障检测方法、装置及设备，该方法包括：获取服务器的样本日志；根据所述样本日志获取样本日志特征；根据所述样本日志特征训练目标特征模型；其中，所述目标特征模型包括样本日志特征与故障信息的映射关系；所述目标特征模型用于根据所述映射关系检测服务器在未来一段时间内发生故障的概率。通过本申请的技术方案，能够提前一段时间(如几小时等)预测出服务器故障的概率，在服务器发生故障之前就进行故障恢复。
一种故障检测方法装置设备

[发明专利]风机叶片故障诊断方法、装置、设备及计算机存储介质-CN202011398195.1在审
发明人：聂泳忠;荀兆勇;周洪威;李洪望;李祥兵;李亚妮 -专利权人：西人马联合测控（泉州）科技有限公司
申请日： 2020-12-04 - 公布日： 2021-04-30 - 主分类号： G01M13/00 文献下载
摘要：本申请提供了一种风机叶片故障诊断方法、装置、设备及计算机存储介质。该风机叶片故障诊断方法，包括：获取风机叶片的叶片状态信息；将叶片状态信息输入故障诊断模型，输出故障诊断结果；其中，故障诊断模型是利用训练样本集对预设的神经网络结构进行模型训练得到的，训练样本集中的每个训练样本包括样本叶片状态信息和样本叶片状态信息的标签根据本申请实施例，能够更加准确地进行风机叶片故障诊断。
风机叶片故障诊断方法装置设备计算机存储介质

[发明专利]一种基于IRBFNN-AdaBoost分类器的滚动轴承故障诊断方法-CN201510559195.8在审
发明人：崔江;唐军祥 -专利权人：南京航空航天大学
申请日： 2015-09-06 - 公布日： 2016-01-13 - 主分类号： G01M13/04 文献下载
摘要：本发明公布了一种基于IRBFNN-AdaBoost分类器的滚动轴承故障诊断方法，该方法属于旋转机械故障诊断领域。该发明包括以下步骤：1)确定轴承故障类型、数目以及所需测量信号；2)对不同故障模式的信号进行数据采集，并对信号进行傅里叶变换，提取频域故障特征，形成样本集，并将样本集分为训练样本和测试样本；3)用训练样本对故障分类器进行训练；4)利用测试样本对分类器进行测试，以评估分类器的性能。该分类器可以明显提高滚动轴承故障诊断的正确率。
一种基于 irbfnn adaboost 分类滚动轴承故障诊断方法

[发明专利]一种基于修正样本熵的电池串多故障诊断方法及系统-CN201911024438.2在审
发明人：商云龙;鲁高鹏;张承慧;康永哲;周忠凯;段彬 -专利权人：山东大学
申请日： 2019-10-25 - 公布日： 2020-01-17 - 主分类号： G01R31/385 文献下载
摘要：本公开提出了一种基于修正样本熵的电池串多故障诊断方法及系统，故障诊断方法包括如下步骤：获取测量得到的待诊断电池串的电池电压；根据获取的待诊断电池串的电池电压构建电池电压序列,计算电池电压序列的样本熵值；设置用于表征电压波动信息的修正系数,通过修正系数修正样本熵值,获得修正样本熵值；根据修正样本熵值的数值变化,判断并输出待诊断电池串的故障类型。能够在无模型的情况下准确地诊断出电池的故障，通过设置修正系数可以将在不同故障下的样本熵值进行区分,提高了故障判断的直观性和效率，能够快速精确稳定地诊断预测锂离子电池故障类型和时间。
样本电池串诊断电池电压修正系数修正故障类型计算电池电压多故障诊断锂离子电池电压波动故障判断故障诊断数值变化直观性构建测量电池输出预测

[发明专利]基于参数优化的深度信念网络模型的TE过程故障诊断方法-CN201910521837.3有效
发明人：黄迪;张卫;黄家华 -专利权人：重庆仲澜科技有限公司
申请日： 2019-06-17 - 公布日： 2022-07-01 - 主分类号： G05B23/02 文献下载
摘要：本发明公开了一种基于参数优化的深度信念网络模型的TE过程故障诊断方法，按照以下步骤进行：以TE过程为研究对象进行试验仿真，得到仿真数据，并将该仿真数据分成训练集数据样本和测试集数据样本；基于量子粒子群算法，对深度信念网络进行优化，得到优化深度信念网络；将训练集数据样本带入优化深度信念网络进行训练，得到TE过程深度信念网络故障诊断模型；将测试集数据样本带入TE过程深度信念网络故障诊断模型，对TE过程的故障进行诊断，得到测试集故障数据样本；根据测试集故障数据样本，对故障诊断结果进行评估。
基于参数优化深度信念网络模型 te 过程故障诊断方法

[发明专利]一种无人机集群的传感器系统故障处理方法及系统-CN202111110382.X在审
发明人：徐鹏;何明;徐兵;刘锦涛;韩伟;罗玲 -专利权人：中国人民解放军陆军工程大学
申请日： 2021-09-23 - 公布日： 2022-01-18 - 主分类号： G06F11/07 文献下载
摘要：本发明公开了一种无人机集群的传感器系统故障处理方法及系统，其方法包括获取每个无人机的传感器系统的当前输出参数，并生成训练样本；对训练样本进行标准化处理，并基于主元分析进行降维处理；基于降维处理的训练样本判断无人机的传感器系统当前是否存在故障；若存在故障，则将当前输出参数通过移动窗口法构建测试样本；对测试样本进行标准化处理，并基于主元分析进行降维处理；基于降维处理的测试样本再次判断无人机的传感器系统当前是否存在故障；若存在故障，则对测试样本进行重构，并基于重构值查找故障的传感器；将重构值作为故障的传感器的输出参数，从而实现软维修；本发明能够实现无人机集群的传感器系统故障检测及软维修的问题。
一种无人机集群传感器系统故障处理方法系统

[发明专利]基于流形保持稀疏图和偏离度的判别分析故障分类方法-CN202111270664.6在审
发明人：刘俊;蒋鹏;郑松 -专利权人：杭州电子科技大学
申请日： 2021-10-29 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于流形保持稀疏图和偏离度的判别分析故障分类方法。本发明包括故障分类模型的离线建模阶段和故障分类模型的在线使用阶段，第一阶段中首先，利用正常工况下被正确标记的历史训练样本的均值、标准差，对所有历史训练样本进行标准化处理，消除量纲不同对建模的影响；然后，利用流形保持稀疏图，过滤各个故障类别的历史训练样本，消除各个故障类别中的明显标记噪声，改善历史训练样本的信息质量；进一步地，利用过滤后的历史训练样本，计算各个故障类别的偏离度信息，并建立基于判别分析的工业过程故障分类模型本发明结合实际工业过程，充分考虑了历史训练样本的标记噪声和源于未知故障的在线样本，具有更强的实用性和鲁棒性。
基于流形保持稀疏偏离判别分析故障分类方法

[发明专利]一种变压器复合故障诊断方法、装置、设备和存储介质-CN202211520144.0在审
发明人：傅明;黄伟杰;谢榕昌;蔡振华;王流火;赖启结;高新华;卢启付;冉旺 -专利权人：广东粤电科试验检测技术有限公司
申请日： 2022-11-30 - 公布日： 2023-03-14 - 主分类号： G01R31/62 文献下载
摘要：本申请公开了一种变压器复合故障诊断方法、装置、设备和存储介质，采集历史正常状态及不同故障状态下变压器的监测数据作为信号样本，并对其进行小波变换得到小波时频图；对小波时频图进行多标签标注得到模型样本，并划分得到训练样本和校验样本；采用训练样本对预置卷积神经网络模型进行训练，通过校验样本对训练好的预置卷积神经网络模型进行校验，在校验结果满足预置要求时，将其作为变压器复合故障诊断模型；将实时采集的变压器的监测数据进行小波变换得到的小波时频图输入到变压器复合故障诊断模型进行故障诊断，得到变压器故障诊断结果，改善了现有技术仅针对单一故障模式进行诊断，难以对复合故障样本进行特征捕捉和在线辨识的技术问题。
一种变压器复合故障诊断方法装置设备存储介质

[发明专利]一种基于风电机组故障机理的虚拟样本生成方法-CN202310860027.7在审
发明人：马泽鹏;柴昊祺;张立彬;傅雷 -专利权人：浙江工业大学
申请日： 2023-07-13 - 公布日： 2023-10-03 - 主分类号： F03D17/00 文献下载
摘要：本发明涉及一种基于风电机组故障机理的虚拟样本生成方法，包括采集风电齿轮箱故障时的风电齿轮箱故障信号，生成风电齿轮箱故障机理特征；将风电齿轮箱故障机理特征进行信号分解，解耦生成不同尺度的子信号；根据不同尺度的子信号生成虚拟子信号；将虚拟子信号重构为虚拟样本。本发明的方法采集风电齿轮箱的状态信号中不同物理含义与时间尺度的多源多尺度的故障信号，并使用了自适应信号分解技术，有效分离了故障信号中的干扰信号，使生成的虚拟样本可以从多维度分别有效表征风机故障状态，然后将多维度的信息再次融合生成虚拟样本，从给定小规模真实训练样本产生虚拟训练样本，克服参数建模过程中缺乏覆盖多工况、短缺和非完备样本问题。
一种基于机组故障机理虚拟样本生成方法

[发明专利]基于迁移学习和PSO算法的水电机组故障诊断方法和系统-CN202310840411.0在审
发明人：荆岫岩;姬联涛;刘昊;王璞;陈龙翔;徐梓翔;周迪;李超顺;谢捷敏 -专利权人：国网湖南省电力有限公司电力科学研究院;中国电力科学研究院有限公司;华中科技大学
申请日： 2023-07-10 - 公布日： 2023-10-20 - 主分类号： G06N3/096 文献下载
摘要：本发明公开基于迁移学习和PSO算法的水电机组故障诊断方法和系统，属于水电机组故障诊断技术领域。包括：将设计工况下水电机组故障振动数据作为源域数据，将变工况下水电机组故障振动数据作为辅助域数据，将故障类型作为标签，得到源域样本集和目标域辅助域样本集；采用源域样本集有监督训练故障诊断模型，确定整个模型的连接权重；采用目标域辅助样本集有监督训练故障诊断迁移学习模型，调整全连接层和分类层的连接权重；采用粒子群优化算法对故障诊断模型GRU网络模型的超参数进行寻优，确定最优超参数；将待测样本输入至训练好的故障诊断模型，进行水电机组故障诊断。本发明通过迁移要学习解决水电机组某些工况下缺乏样本导致诊断准确率低的问题。
基于迁移学习 pso 算法水电机组故障诊断方法系统

[发明专利]一种基于增强熵权的压缩机喘振早期故障特征提取方法-CN202110106238.2有效
发明人：贺雅;胡明辉;江志农;冯坤;王钟;李昊泽 -专利权人：北京化工大学
申请日： 2021-01-26 - 公布日： 2022-08-02 - 主分类号： G01M99/00 文献下载
摘要：本发明公开了一种基于增强熵权降维的压缩机喘振早期故障特征提取方法，为机械设备故障诊断技术领域，该方法能够更为准确、有效地提取出喘振早期故障敏感特征。该方法包括如下步骤：采集m组待监测压缩机的正常振动数据样本和喘振早期故障的故障振动数据样本。喘振早期故障是指旋转失速故障。从正常振动数据样本和故障振动数据样本中分别提取出n个时域、频域的特征参数，构建样本特征矩阵。对样本特征矩阵进行归一化处理，计算n个特征参数的增强信息熵值。基于特征参数的增强信息熵值，衡量n个特征参数的表征喘振早期故障能力的权重系数。依据权重系数的大小关系，提取出权重系数超过设定阈值的特征参数，作为待监测喘振早期故障的敏感特征。
一种基于增强压缩机早期故障特征提取方法

[发明专利]一种基于频谱熵和随机森林的配电网故障识别方法及系统-CN202111633173.3有效
发明人：黄城;黄达文;张茵翠;魏子力;梁锦灿;原瀚杰;莫定佳;江沛琼;陈剑锋;卢剑桃;王伟光 -专利权人：广东电网有限责任公司;广东电网有限责任公司肇庆供电局
申请日： 2021-12-28 - 公布日： 2023-08-18 - 主分类号： G01R31/08 文献下载
摘要：本发明提供了一种基于频谱熵和随机森林的配电网故障识别方法及系统，其中本发明提供的故障识别方法包括将发生故障后的电气量信息、故障录波信息、系统网络结构作为样本的特征，故障类型作为每个样本的标签，将故障录波信息经频谱熵作用后生成每个样本的能量特征向量也作为样本特征后利用随机森林算法生成若干颗决策树；对每颗决策树选取不同的样本特征进行训练并基于投票制度生成强分类器；将强分类器作为训练好的故障识别网络并对待识别的配电网进行故障识别。本发明频谱熵对故障录波信息进行处理，可以充分利用其中的谐波信息，增强了对于配电网弱数据特征的识别。并且利用随机森林算法可以实现对拥有多个特征的样本进行高准确率的故障识别。
一种基于频谱随机森林配电网故障识别方法系统

[发明专利]一种故障诊断方法、装置、设备及存储介质-CN202110018249.5在审
发明人：李大伟;宋纯贺;陈晓露;俞睿默;李姝;周晓鹂;贾耕涛;于诗矛 -专利权人：国网上海市电力公司;中国科学院沈阳自动化研究所
申请日： 2021-01-07 - 公布日： 2021-04-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种故障诊断方法、装置、设备及存储介质。该方法包括：获取边缘侧设备的故障数据；对缺失的故障数据进行补全得到待诊断故障数据；通过故障诊断模型对所述待诊断故障数据进行处理得到故障类别，所述故障诊断模型通过训练样本集迭代训练待训练故障诊断模型得到，所述训练样本集包括：故障数据样本和所述故障数据样本对应的故障类别。通过本发明的技术方案，能够解决采集到的数据缺失问题，并通过调整故障诊断模型中的各决策树的权重，有效地解决设备故障诊断准确率低和效率低的问题，实现高效、准确地诊断电力物联网边缘侧设备的故障类别。
一种故障诊断方法装置设备存储介质