“故障诊断模型”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1283303个，建议您升级VIP下载更多相关专利

[发明专利]联合诊断模型建立方法、光伏组件故障诊断方法-CN202211468998.9在审
发明人：刘琦;杨博;张天文;郑忠斌;陈彩莲;何大清;陈璐;芦清 -专利权人：上海交通大学;正泰集团研发中心（上海）有限公司;浙江正泰智维能源服务有限公司
申请日： 2022-11-22 - 公布日： 2023-03-07 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种联合诊断模型建立方法、光伏组件故障诊断方法，通过获取各终端设备发送的故障诊断模型参数；故障诊断模型通过样本训练集训练得到；每个终端设备对应有至少一组故障诊断模型参数；对各故障诊断模型参数进行聚合，得到初始联合模型参数；根据初始联合模型参数，得到联合诊断模型；根据多个故障诊断模型参数联合建模，从而在保障隐私和通信效率的前提下充分利用多个故障诊断模型的故障类型，大幅提升了模型的泛化性，如此提高光伏组件故障诊断的诊断方法的准确率
联合诊断模型建立方法组件故障诊断

[发明专利]一种基于深度学习的电力变压器故障诊断方法-CN202211260761.1在审
发明人：杨沛豪;孙钢虎;王中伟;兀鹏越;邓仕斌;武晓辉;陈予伦;毕诗才;迟永政 -专利权人：西安热工研究院有限公司;华能威海发电有限责任公司
申请日： 2022-10-14 - 公布日： 2022-11-11 - 主分类号： G06K9/62 文献下载
摘要：本申请提出的基于深度学习的电力变压器故障诊断方法、装置及存储介质中，获取电力变压器的故障样本数据集，对故障样本数据集进行预处理，得到用于训练的训练数据集，构建基于CNN的预设故障诊断模型，通过训练数据集对预设故障诊断模型进行训练，得到训练后的故障诊断模型，优化训练后的故障诊断模型的超参数，得到目标故障诊断模型，获取待分析的数据，通过目标故障诊断模型对待分析的数据进行分析，输出待分析的数据对应的故障诊断结果。本申请中的故障诊断模型不需要提取样本特征，可以直接对样本进行故障诊断，同时本申请优化了训练后的故障诊断模型的超参数，提高了故障诊断模型分析的准确度。
一种基于深度学习电力变压器故障诊断方法

[发明专利]一种通风网络故障诊断方法-CN202111478443.8在审
发明人：张浪;张迎辉 -专利权人：煤炭科学技术研究院有限公司;煤炭科学研究总院
申请日： 2021-12-06 - 公布日： 2022-04-15 - 主分类号： G06F30/27 文献下载
摘要：本申请提出的一种通风网络故障诊断方法，包括：采集通风网络的故障数据集；根据多种机器学习算法分别建立故障诊断模型；多个故障诊断模型分别根据故障数据集设计故障诊断学习算法；多个故障诊断模型分别根据故障数据集进行故障诊断，并得出故障诊断准确率；以故障诊断准确率作为选取指标，选出最优故障诊断模型；应用最优故障诊断模型进行通风网络故障诊断，本申请和现有技术相比所具有的优点是：通过故障数据集选取最优故障诊断模型，提高了故障诊断的准确率
一种通风网络故障诊断方法

[发明专利]一种基于异步并行强化学习的故障诊断模型自学习方法-CN202110109341.2在审
发明人：丁宇;王超;马剑;杨帆;吕琛 -专利权人：北京航空航天大学
申请日： 2021-01-27 - 公布日： 2021-05-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于异步并行强化学习的故障诊断模型自学习方法，包括：配置用于在CPU多线程上同时运行各自的演员‑评委强化学习算法的N个故障诊断模型自学习智能体；配置N个故障诊断模型自学习交互环境，每个故障诊断模型自学习交互环境与相应的一个故障诊断模型自学习智能体进行交互；配置用于将全局网络参数同步到N个故障诊断模型自学习智能体的全局网络；每个故障诊断模型自学习智能体、每个故障诊断模型自学习交互环境以及所述全局网络之间通过多次操作，自学习故障诊断模型的网络参数。
一种基于异步并行强化学习故障诊断模型自学习方法

[发明专利]基于RBF神经网络的交流电机故障诊断模型构造方法-CN201310167662.3有效
发明人：李文;赵慧敏;杨鑫华;邓武;李学伟 -专利权人：大连交通大学
申请日： 2013-05-08 - 公布日： 2013-09-11 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于RBF神经网络的交流电机故障诊断模型构造方法，包括以下步骤：建立故障诊断模型；训练故障诊断模型；测试故障诊断模型。由于本发明采用了模块化结构，构成该模型的各模块，即子模型，具有相同的输入个数，故障诊断模型的构造只需将训练好的各子模型的输入端并联连接即可，保证了各子模型之间相互独立。这种连接方式使得故障诊断模型构造简便、灵活。由于本发明故障诊断模型训练只需对子模型进行，因此，大大降低了故障诊断模型训练的难度，为缩短训练时间提供了条件。由于本发明的每一个子模型之间相互独立，故经过训练后的子模型对所学习的特定故障状态更加敏感，这样提高了故障诊断模型的故障识别能力。
基于 rbf 神经网络交流电机故障诊断模型构造方法

[发明专利]基于卷积神经网络的故障诊断模型及跨部件故障诊断方法-CN202010449011.3有效
发明人：李恒;尹晨;王禹林;何健梁;向倍辰;房启成 -专利权人：南京理工大学
申请日： 2020-05-25 - 公布日： 2021-02-26 - 主分类号： G01M13/045 文献下载
摘要：本发明提出了一种基于卷积神经网络的故障诊断模型及跨部件故障诊断方法。首先分别采集机械部件A正常和故障状态下的运行数据，利用正交优化设计方法和一维卷积神经网络构建出一系列用于机械部件A故障诊断的诊断模型，基于正交优化实验结果进一步从这些模型中分析得出部件A的最优故障诊断模型；然后，基于网络模型重用的迁移学习方法进行跨部件的故障诊断建模，以逐层适配的方式迁移部件A最优故障诊断模型的权重，构造一系列用于部件B故障诊断的迁移诊断模型；最后，利用机械部件B的数据对所有迁移诊断模型进行再训练，通过对比迁移诊断模型的正确率，获得机械部件B的最优故障诊断模型，实现基于正交优化卷积神经网络和迁移学习的跨部件故障诊断。
基于卷积神经网络故障诊断模型部件方法

[发明专利]基于加速度传感器信号的故障诊断模型训练方法-CN202310297824.9在审
发明人：田兵;李鹏;刘仲;骆柏锋;韦杰;吕前程;樊小鹏;王志明;李立浧 -专利权人：南方电网数字电网研究院有限公司
申请日： 2023-03-23 - 公布日： 2023-09-01 - 主分类号： G06F18/214 文献下载
摘要：本申请涉及一种基于加速度传感器信号的故障诊断模型训练方法。所述方法包括：获取加速度传感器采集到的振动信号，并确定所述振动信号的能量熵向量；确定预先设置的搜索粒子在原始故障诊断模型中的引力信息，并根据所述引力信息对所述原始故障诊断模型进行更新，得到更新后故障诊断模型；根据所述能量熵向量，对所述更新后故障诊断模型进行训练，得到预先训练的故障诊断模型；所述预先训练的故障诊断模型用于对三相异步电机进行故障诊断。采用本方法能够提高三相异步电机故障诊断的精度，及时发现三相异步电机的机械故障。
基于加速度传感器信号故障诊断模型训练方法

[发明专利]一种基于自调优深度学习的机械故障预测方法-CN202010437200.9有效
发明人：文龙;李新宇;邓楚凡 -专利权人：中国地质大学（武汉）;华中科技大学
申请日： 2020-05-21 - 公布日： 2023-06-27 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供了一种基于自调优深度学习的机械故障预测方法，方法包括：构建基于CNN的故障诊断模型；利用所述故障诊断模型构建强化学习模型；训练所述强化学习模型，并利用所述强化学习模型自适应调节所述故障诊断模型的学习率；利用自适应调节学习率的所述故障诊断模型进行故障诊断。本发明的有益效果是：构建了一个卷积神经网络强化学习混合模型，该模型根据基于CNN的故障诊断模型的实时状态，实现对学习率的自动调节，进而提高该故障诊断模型的学习效率和学习效果，提高故障诊断性能。
一种基于自调深度学习机械故障预测方法

[发明专利]基于联邦学习的风电机组故障诊断方法及系统-CN202210763297.1在审
发明人：许启发;吴栋栋;蒋翠侠 -专利权人：合肥工业大学
申请日： 2022-06-30 - 公布日： 2022-09-13 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于联邦学习的风电机组故障诊断方法及系统，涉及风电机组故障诊断技术领域。本发明首先获取各个风电机组故障诊断参与者的工业数据和初始风电机组故障诊断模型；然后基于联邦学习系统，利用上述工业数据训练初始风电机组故障诊断模型得到参与者各自对应的局部风电机组故障诊断模型；接着基于预先构建的自适应调整聚合区间的聚合机制，聚合所有上述局部风电机组故障诊断模型以获取全局风电机组故障诊断模型；最后基于全局风电机组故障诊断模型获取风电机组故障诊断结果。本发明打破了数据孤岛现象，可获得精准的风电机组故障诊断结果，且故障诊断效率高，降低了通信成本。
基于联邦学习机组故障诊断方法系统

[发明专利]一种电动汽车动力电池故障诊断方法、系统、设备及介质-CN202310154052.3在审
发明人：周娟;吴宗欢;王澎;王彦骄;吴二东 -专利权人：中国计量大学;中国汽车工程研究院股份有限公司
申请日： 2023-02-16 - 公布日： 2023-09-29 - 主分类号： G01R31/367 文献下载
摘要：本发明公开了一种电动汽车动力电池故障诊断方法、系统、设备及介质，涉及电池故障诊断领域，所述方法，包括：获取目标电池的电池参数；将目标电池的电池参数分别输入多个故障诊断模型中，得到目标电池的多个故障诊断结果；根据多个故障诊断结果，确定各个故障诊断模型输出的目标电池的故障类型的投票因子；确定各个故障诊断模型的决策权值；根据采用测试集对各个故障诊断模型进行测试得到的各种故障类型的投票因子，确定决策阈值；基于各个故障诊断模型输出的目标电池的故障类型的投票因子、各个故障诊断模型的决策权值和决策阈值，从多个故障诊断结果中选取目标电池最终的故障诊断结果。本发明能提高电动汽车动力电池的故障诊断准确率。
一种电动汽车动力电池故障诊断方法系统设备介质

[发明专利]设备故障诊断方法、装置、电子设备以及存储介质-CN202210178941.9在审
发明人：谭杰;王焕杰;刘振杰;白熹微 -专利权人：中国科学院自动化研究所
申请日： 2022-02-25 - 公布日： 2022-07-12 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种设备故障诊断方法、装置、电子设备以及存储介质，该方法包括：根据目标故障数据确定源域训练数据集以及目标域训练数据集；目标故障数据是与待诊断设备具有相同故障类型以及不同故障模式的设备的故障数据；根据源域训练数据集以及故障诊断训练模型，确定第一模型参数；根据第一模型参数、源域训练数据集、目标域训练数据集、预设模型参数以及故障诊断训练模型确定第二模型参数；根据第二模型参数以及故障诊断训练模型确定故障诊断模型；根据故障诊断模型对待诊断设备进行故障诊断。通过其他设备的故障数据训练待诊断设备的故障诊断模型，实现已有故障数据向待诊断设备的故障诊断模型的知识迁移，提高了训练故障诊断模型的多样性。
设备故障诊断方法装置电子设备以及存储介质

[发明专利]一种增量式设备故障诊断方法-CN202211143419.3在审
发明人：乔非;关柳恩 -专利权人：同济大学
申请日： 2022-09-20 - 公布日： 2022-12-23 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种增量式设备故障诊断方法，该方法利用一经训练的故障诊断模型处理有新样本涌入的待诊断数据，获得设备的故障诊断结果，故障诊断模型的构建方法包括：1)构建完备样本集；2)构建初始故障诊断模型，并应用完备样本集对其进行训练；3)使用样本保留方法，选择性保留重要样本子集；4)新样本涌入时，基于初始故障诊断模型的结构和参数，构建中间故障诊断模型；5)基于知识蒸馏算法，使用新样本集和重要样本子集共同训练中间故障诊断模型，得到并测试最终故障诊断模型与现有技术相比，本发明实现了有效学习新样本和保留旧样本，使其不仅具备对新故障类型的判别能力，而且对于历史样本保持良好记忆能力。
一种增量设备故障诊断方法

[发明专利]一种用于飞机系统传感器故障的诊断方法-CN202110617475.5有效
发明人：鲁方祥 -专利权人：成都卡莱博尔信息技术股份有限公司
申请日： 2021-06-03 - 公布日： 2021-11-09 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种用于飞机系统传感器故障的诊断方法，包括以下步骤：对获取的传感器数据进行样本及特征处理，作为训练故障诊断模型的训练集；根据所述训练集，使用决策树、随机森林或深度神经网络的方法对故障诊断模型进行训练，以构建故障诊断模型；使用未进行样本及特征处理的传感器数据作为测试集，对构建的故障诊断模型进行验证；对故障诊断模型完成验证后，将新采集的传感器数据输入故障诊断模型，得到诊断结果。本发明的训练集中包含设备多种性能下的数据，训练出来的故障诊断模型能够得知设备具体是什么性能发生了故障，能够完全定位到故障点位。
一种用于飞机系统传感器故障诊断方法

[发明专利]基于层次链接无限隐Markov模型的故障诊断方法-CN202111181501.0有效
发明人：李志农;李舒扬;周世健;毛磊;谷士鹏;马亚平;程娟 -专利权人：南昌航空大学;中国飞行试验研究院
申请日： 2021-10-11 - 公布日： 2023-05-23 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种基于层次链接无限隐Markov模型的故障诊断方法。采用Lloyds信源编码技术编码对特征量的标量进行量化，并从中随机选取数据作为测试集数据；建立层次链接无限隐Markov故障诊断模型，经过层次链接无限隐Markov故障诊断模型训练后，得到故障诊断模型输出量；建立对应的各种故障的hiHMM诊断模型；与特征提取方法进行处理并训练，得到最后的识别结果。克服了隐Markov模型(HMM)故障诊断方法中缺乏自适应的不足，也克服了iHMM故障诊断模型中只能提供单一观测序列模型的问题，还解决了iHMM故障诊断模型中参数自转移的问题。在故障诊断领域中具有重要的工程应用价值和广阔的应用前景。
基于层次链接无限 markov 模型故障诊断方法

[发明专利]一种光伏阵列的故障诊断方法、装置、设备及存储介质-CN202310245388.0在审
发明人：王尊;王亚顺;杨建卫;曹晟磊;穆啸天;刘睿晨;钱亮;李宇豪 -专利权人：中电华创电力技术研究有限公司;中电华创（苏州）电力技术研究有限公司
申请日： 2023-03-14 - 公布日： 2023-05-16 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种光伏阵列的故障诊断方法、装置、设备及存储介质，所述方法包括：根据故障特征变量采集故障诊断数据；将故障诊断数据输入训练好的故障诊断模型，故障诊断模型的输出为故障诊断结果。本发明提供的光伏阵列的故障诊断方法，建立并训练了优化的故障诊断模型，利用优化模型实现了对光伏阵列故障的精确诊断。
一种阵列故障诊断方法装置设备存储介质

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