“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]一种基于卷积神经网络的风电齿轮箱故障诊断方法-CN201810351068.2在审
发明人：刘秀丽;徐小力;吴国新;左云波;蒋章雷 -专利权人：北京信息科技大学
申请日： 2018-04-18 - 公布日： 2018-11-27 - 主分类号： G01M13/02 文献下载
摘要：本发明涉及一种基于卷积神经网络的风电齿轮箱故障诊断方法，其步骤：采集各种故障类型下的状态振动信号，并进行时频变换获取振动时频图，建立风电机组齿轮箱故障样本库；随机选取训练样本建立卷积神经网络模型；调整每类故障样本图像像素，作为训练样本输入卷积神经网络，进行迭代训练并优化训练全局参数使卷积神经网络输出softmax损失函数值下降并收敛，得到训练好的卷积神经网络；再次采集风电机组齿轮箱故障振动信号作为待诊断样本，将待诊断样本进行时频变换生成时频图，并调整像素，输入训练好的卷积神经网络进行识别分类，输出故障样本属于各类故障的概率值，将最大概率值对应的故障类别作为该待诊断样本的故障类型。
卷积神经网络样本齿轮箱故障风电齿轮箱风电机组故障类型故障诊断训练样本振动信号时频诊断采集迭代训练故障类别故障样本全局参数时频变换输出故障随机选取损失函数图像像素优化训练最大概率样本库像素收敛输出分类概率

[发明专利]一种基于人工智能的风电机组复合故障诊断方法-CN202210245773.0在审
发明人：殷林飞;王恬;高放 -专利权人：广西大学
申请日： 2022-03-14 - 公布日： 2022-06-14 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种基于人工智能的风电机组复合故障诊断方法，首先，该人工智能方法获取风电机组数据采集与检测系统中的数据样本，通过高斯混合模型的期望最大化聚类方法和懒惰矩阵处理脏数据样本；其次，利用卷积神经网络方法提取特征，建立样本属性空间，将广义零次学习方法用于生成未知故障样本，使用门控方法对样本进行预判分类；通过多元分类器和相似性评估分别完成对单一故障样本与复合故障样本的诊断；最后，通过基于堆叠的集成学习完成风电机组故障的最终诊断所提人工智能方法能解决故障诊断模型样本需求量大的问题，实现风电机组复合故障的诊断，同时实现风电机组故障的全面诊断，提高风电机组复合故障的诊断精度和诊断速度。
一种基于人工智能机组复合故障诊断方法

[发明专利]故障根因定位模型训练方法、装置、设备及可读存储介质-CN202211683491.5在审
发明人：任心怡;刘娜;黄双双;王瑜;孙洋洋 -专利权人：中国联合网络通信集团有限公司
申请日： 2022-12-27 - 公布日： 2023-04-28 - 主分类号： H04L41/0631 文献下载
摘要：本申请提供一种故障根因定位模型训练方法、装置、设备及可读存储介质。该方法包括：获取通信网络中多个样本网元的历史故障数据和历史KPI数据；根据各所述样本网元的历史故障数据和历史KPI数据，获取样本数据集，所述样本数据集中每组样本数据包括基于每组样本网元的故障数据和历史KPI数据生成的告警特征向量，以及，该组样本网元的告警对应的故障根因；利用所述样本数据集，对基于注意力机制的分类模型进行训练，得到故障根因定位模型；所述故障根因定位模型用于基于至少一个目标网元的告警特征向量，预测所述至少一个目标网元的告警对应的故障根因。本申请能够提高故障根因定位效率。
故障定位模型训练方法装置设备可读存储介质

[发明专利]一种基于卷积原型网络的断路器故障诊断方法及系统-CN202211288752.3在审
发明人：陈昊;沙浩源;王东;李大雷;叶昱媛;陈玮光;黄祖荣;佘昌佳;孙子昌;吴晓欣 -专利权人：国网江苏省电力有限公司南京供电分公司
申请日： 2022-10-20 - 公布日： 2023-04-04 - 主分类号： G06F18/2415 文献下载
摘要：一种基于卷积原型网络的断路器故障诊断方法及系统，方法包括：采集断路器故障数据，并对断路器故障数据进行预处理，得到断路器故障数据训练样本集；构建卷积原型网络的断路器故障诊断模型，输入训练样本集对模型进行训练；以各类型的原型样本点为聚类中心，将样本特征空间距离作为卷积特征自提取网络的优化目标，以有效改善故障样本特征的类内聚集性及类间的分散性，提高模型对样本类型的分类准确度；将断路器故障数据样本集输入训练过的卷积原型网络的断路器故障诊断模型，得到故障诊断结果。
一种基于卷积原型网络断路器故障诊断方法系统

[发明专利]一种设备状态诊断方法及装置-CN201710599875.1有效
发明人：姚杰;孔伟阳;阮志坚;马楠桦 -专利权人：浙江中控技术股份有限公司
申请日： 2017-07-21 - 公布日： 2019-08-30 - 主分类号： G01M99/00 文献下载
摘要：本发明公开了一种设备状态诊断方法及装置，该方法包括：对获取到的历史样本进行处理得到典型样本故障分类及其特征值；对所述被测样本进行相似度判断得到故障初步分类；获得所述故障初步分类对应的样本特征值，进行加权计算得到相似度参数，并确定所述被测样本的故障分类；当所述故障分类为单一种类时，将所述故障分类确定为所述被测样本的故障诊断分类；若不是单一种类，则创建精确模型，将所述故障初步分类输入到所述精确模型中进行判断，得到所述被测样本的故障诊断分类
一种设备状态诊断方法装置

[发明专利]基于图神经网络的半监督的冷水机组故障诊断方法及系统-CN202210555503.X在审
发明人：陈志文;邓撬;赵正润;唐鹏;李信洪;阳春华;桂卫华 -专利权人：中南大学
申请日： 2022-05-20 - 公布日： 2022-09-30 - 主分类号： F24F11/38 文献下载
摘要：本发明公开了基于图神经网络的半监督的冷水机组故障诊断方法及系统，通过构建半监督的冷水主机故障诊断模型，获取包含带有标签的样本和未标记的样本构建运行数据集，确定运行数据集中各个样本的邻居样本，并构建各个样本与邻居样本之间的邻接矩阵，使用运行数据集及其邻接矩阵训练故障诊断模型，从而实现以较少带标记的样本训练得到高精度的故障诊断模型，显著减少冷水机组故障诊断模型对带标记的训练样本的依赖性，提高故障诊断模型在仅有少量带标记的训练样本下的诊断性能此外，本发明在训练得到故障诊断模型后，采用蚁群优化算法优化故障诊断模型的邻居数量这一超参数，能进一步提高故障诊断模型的精度。
基于神经网络监督冷水机组故障诊断方法系统

[发明专利]一种变工况轴承故障诊断方法、系统、介质、设备及终端-CN202211475471.9在审
发明人：吴松松;何梁瀚;陈钟扬;荆晓远;张清华;陈俊均;姚永芳 -专利权人：广东石油化工学院
申请日： 2022-11-23 - 公布日： 2023-06-09 - 主分类号： G01M13/045 文献下载
摘要：本发明属于轴承故障诊断技术领域，公开了一种变工况轴承故障诊断方法、系统、介质、设备及终端，给定源域和目标域振动信号并进行数据预处理，得到源域样本、目标域样本和数据增强样本；利用特征提取器分别进行源域样本、目标域样本和数据增强样本特征提取；对源域和目标域依次进行初始跨域聚类对齐；利用源域样本、目标域样本和数据增强样本特征进行故障诊断模型训练；最后利用训练得到故障诊断模型对目标工况的振动信号进行故障类型预测本发明提供的基于振动信号聚类对齐的变工况轴承故障诊断方法，利用跨域聚类对齐识别已知故障类型并区分未知故障类型，有效提升了跨工况环境下轴承故障诊断的准确性和鲁棒性，克服现有技术中存在的缺陷。
一种工况轴承故障诊断方法系统介质设备终端

[发明专利]基于多源传感器故障标签样本数据门区外停梯检测方法-CN202010090021.2有效
发明人：张兴凤;张雷;万敏;蔡巍伟;靳旭哲 -专利权人：浙江新再灵科技股份有限公司
申请日： 2020-02-13 - 公布日： 2021-11-23 - 主分类号： B66B5/00 文献下载
摘要：本发明涉及一种基于多源传感器故障标签样本数据门区外停梯检测方法，包括：S1、通过数据采集装置进行数据信息采集；S2、建立故障标签样本库，将标定好的故障标签样本放入所述故障标签样本库中，并判断所述故障标签样本的数据量；S3、若所述故障标签样本的数据量小于设定阈值，则将所述步骤S1获得的数据信息通过异常检测模型进行检测，若检测结果判定为电梯门区外停梯，则将所述数据信息作为新故障标签样本放入到所述故障标签样本库中；S4、若所述故障标签样本的数量大于设定阈值，则将所述步骤S1获得的数据信息通过有监督的二分类模型进行检测，再检测精度符合要求的情况下输出检测结果。
基于传感器故障标签样本数据区外检测方法

[发明专利]一种滚动轴承细粒度故障识别方法-CN202010124484.6在审
发明人：孙国栋;高媛;胡也;张航;李超;席志远 -专利权人：湖北工业大学
申请日： 2020-02-27 - 公布日： 2020-06-16 - 主分类号： G01M13/045 文献下载
摘要：本发明属于自动化检测技术领域，公开了一种滚动轴承细粒度故障识别方法，包括采集滚动轴承在正常状态、各种故障类别下的振动信号；对振动信号进行样本分割处理得到样本信号；对样本信号进行多同步压缩变换得到样本图像；利用样本图像建立训练集；将训练集输入至卷积神经网络中进行迭代训练，获得训练好的故障识别模型；采集滚动轴承故障振动信号作为待识别样本，进行样本分割处理得到待识别样本信号，进行多同步压缩变换得到待识别样本图像，将待识别样本图像输入至训练好的故障识别模型中进行故障识别，并获得故障识别结果。本发明解决了现有技术中对滚动轴承细粒度故障的识别率较低的问题，具有识别率高、鲁棒性强的优点。
一种滚动轴承细粒度故障识别方法

[发明专利]船舶推进系统旋转机械故障诊断方法及系统-CN202110292626.4在审
发明人：邱伯华;张羽;魏慕恒;张瑞;谭笑;朱慧敏 -专利权人：震兑工业智能科技有限公司
申请日： 2021-03-18 - 公布日： 2021-06-29 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种船舶推进系统旋转机械故障诊断方法及装置，解决了现有技术中缺乏非线性特征提取方法，不能对旋转机械故障精准诊断的问题。该方法包括：获取船舶推进系统旋转机械的传感器的样本数据组，所述样本数据组包括：已知样本数据和未知待测样本数据；所述已知样本数据的故障类型已知，为所述已知样本数据添加故障类型标签，对所述样本数据组进行高维数据处理，得到高维特征数据组；利用所述已知样本数据的高维特征数据计算各类所述故障类型的平均类内散度；利用各类所述故障类型的平均类内散度，对样本数据进行降维处理，得到低维特征数据；将所述低维特征数据输入分类器中，实现对旋转机械的未知待测样本数据的故障判断及故障分类。
船舶推进系统旋转机械故障诊断方法

[发明专利]故障样本生成方法、轴端螺栓故障样本生成方法、装置-CN202210492840.9在审
发明人：宋范忠;居伟强;李光明;朱玉军;孙涛;李敢峰;李月龙;王艳刚;倪俨;王楠;王飞 -专利权人：北京京天威科技发展有限公司
申请日： 2022-05-07 - 公布日： 2022-09-02 - 主分类号： G06V10/22 文献下载
摘要：本发明公开了一种故障样本生成方法、轴端螺栓故障样本生成方法、装置，该故障样本生成方法包括：选取铁路货车特定车型的待检测拦停类故障不存在的图片，作为待生成图像；从铁路货车图像中截取待检测拦停类故障零件图像；将待检测拦停类故障图像进行图像预处理，生成故障素材图片；在待生成图像中选取待检测拦停类故障零件的位置，将故障素材图片进行仿射变换，保持故障素材图片中故障待检测拦停类故障零件覆盖待生成图像中选取的待检测拦停类故障零件的位置；将仿射变换后的待生成图像与故障素材图片整合，生成待检测拦停类故障图像样本。该方法提高了故障的多形态和样本数量，满足了基于深度学习铁路货车故障识别中故障样本的要求。
故障样本生成方法螺栓装置

[发明专利]设备故障诊断方法、装置、存储介质及电子设备-CN202310586692.1在审
发明人：何潇;韩鹏宇;刘泽夷 -专利权人：清华大学
申请日： 2023-05-23 - 公布日： 2023-09-19 - 主分类号： G06N3/0895 文献下载
摘要：本发明提供了一种设备故障诊断方法、装置、存储介质及电子设备，涉及故障智能诊断技术领域，所述方法包括：获取当前时刻的设备运行数据作为当前样本集；基于所述当前样本集，对预先训练的故障诊断模型进行在线训练，获得更新后的故障诊断模型；其中，所述故障诊断模型为神经网络模型；针对所述当前样本集中的每一个样本，将该样本输入至所述更新后的故障诊断模型，以使所述更新后的故障诊断模型输出与该样本对应的故障诊断结果。本发明提供的技术方案，能够更加准确地对设备进行实时故障诊断。
设备故障诊断方法装置存储介质电子设备

[发明专利]磁盘的故障分析模型生成方法、装置及计算机设备-CN202210439066.5在审
发明人：吴声;李耕寅 -专利权人：中国工商银行股份有限公司
申请日： 2022-04-25 - 公布日： 2022-08-05 - 主分类号： G06F11/07 文献下载
摘要：本申请涉及一种一种磁盘的故障分析模型生成方法、装置、计算机设备、存储介质和计算机程序产品，该方法包括：获取磁盘的目标属性数据；对目标属性数据进行分类获得初始正样本和初始负样本；对初始正样本进行处理获得目标正样本，和/或，对初始负样本进行处理获得目标负样本，目标正样本数量和目标负样本数量的差值小于预设阈值；基于目标正样本和目标负样本，利用集成算法对初始故障分析模型进行训练，获得故障分析模型。由于本申请在进行故障分析模型训练时，选用的正样本与负样本的比例较为均衡，所以在进行故障分析模型训练时，能够提升模型的学习效果，进一步提升模型的泛化能力，使得训练得到的模型精度较高，对磁盘故障预测的准确性高
磁盘故障分析模型生成方法装置计算机设备

[发明专利]一种样本类别不完备条件下的复合故障识别方法-CN201810974303.1有效
发明人：易辉;刘宇芳;张霞;陈溪;朱浩男 -专利权人：南京工业大学
申请日： 2018-08-24 - 公布日： 2021-10-12 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种样本类别不完备条件下的复合故障识别方法，步骤包括：生成故障检测器；生成评价函数；将待测样本送至故障检测器，判断输出结果有无故障；将待测样本分别送至对应的评价函数得到对应指标值；对指标进行综合评价；设定阈值θ诊断结果有无复合故障。本发明的复合故障识别方法分别计算待测样本在故障A、故障B分类器中的高维空间位置，然后预估AB故障同时发生的可能性，进而在无需AB复合故障样本的前提下，实现复合故障的识别。
一种样本类别完备条件下复合故障识别方法

[发明专利]一种基于回归模型的旋转设备故障预测方法、系统及可读存储介质-CN202011060798.0在审
发明人：付骏宇;刘立斌 -专利权人：苏州容思恒辉智能科技有限公司
申请日： 2020-09-30 - 公布日： 2021-01-08 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于回归模型的旋转设备故障预测方法、系统及可读存储介质，包括：设定采样间隔时间，生成不同时间节点的多组样本数据，对多组样本数据进行标准化处理，得到标准样本数据；通过大数据分析获取历史样本数据，并建立回归模型；将标准将本数据输入回归模型，得到多个故障预测样本；将多个故障预测样本进行相似度计算；将相似度小于预设阈值的样本数据进行归类，得到结果信息；通过结果信息进行设备故障诊断，得到故障信息；根据故障信息
一种基于回归模型旋转设备故障预测方法系统可读存储介质