本发明涉及电气设备故障诊断技术领域，公开了基于动态自适应的电气设备多模态故障诊断方法，该方法包括获取含振动、温度、电流信号的原始多模态信号流，输入动态自适应诊断网络，得到故障特征匹配结果集并确定各模态结果。该网络由历史故障数据训练而成，数据含从连续多模态信号提取的时域、频域及融合特征参数，及对应的故障类型标签、置信度系数。网络含跨模态特征融合、时空特征编码等模块，当至少两模态结果置信度系数超动态阈值时触发三级预警。本方法提升诊断全面性、准确性与实时性，适用于电气设备故障诊断。
📄 2025108297940
📂 G06F18_2415
👤 龙岩学院
📅 2025-06-20
本发明公开了基于生物启发算法和数字孪生模型的设备自愈式故障诊断系统，属于特定模型的计算机技术领域，包括以下模块：数字孪生模型构建模块、生物启发型传感网络部署优化模块、故障模式识别和学习模块和故障演化路径和维护策略生成模块。本发明提供的基于生物启发算法和数字孪生模型的设备自愈式故障诊断系统，从设备状态映射到智能维护决策的全流程闭环智能运维，使系统能够提前识别隐患、精准诊断故障并自动制定最优维护方案，全面实现设备运维的数字化、智能化、自愈化与主动化管理，显著提升设备的可靠性、稳定性与运维效率。
📄 2026102821053
📂 G01M99_00
👤 龙岩学院
📅 2026-03-10
本发明公开了一种适用于数字孪生车间中交流电机故障软硬件协同检测方法，包括步骤如下：采用阵列式硬件初检方法，得到交流电机的故障初检结果；将所述故障初检结果经由主控器发送至数字孪生车间系统端；当数字孪生车间系统端接收到故障初检结果，采用KNN智能体复检方法，得到故障检测结果；基于所述故障检测结果，孪生车间系统端生成故障判断信息；当数字孪生车间系统端未接收到故障初检结果，通过基于KNN智能体预测方法，进行故障征兆检测，得到故障预测结果；根据故障预测结果，对交流电机进行检修，并记录实际故障情况和故障信息。对于大规模电机部署在数字孪生车间的情况，本发明能够缩短发现故障与故障初定位的时间。
📄 2026106294425
📂 G01R31_34
👤 南京信息工程大学
📅 2026-05-09
基于知识共享和模型迁移的全封闭压缩机故障诊断方法，属于压缩机故障诊断技术领域。它包括以下步骤：一、数据准备及预处理；二、迁移模型准备及模型独立训练；三、构建判别器、训练判别器及再训练目标迁移模型；四、训练分类器；步骤五、故障诊断。本发明不需要目标域设备提供数据标签，仅提供部分无标记数据即可，大大降低数据依赖程度；利用梯度下降算法实现目标域特征向量分布项源域特征向量的靠近，实现模型迁移；利用深度稠密连接自编码器结构实现无监督特征学习，再次降低数据依赖程度；针对振动信号这类超长时序数据，深度密连接网络结构可实现超长序列数据的高效训练，通过将一维超长数据折叠成二维数据结构，可大大提高数据使用效率。
📄 2020109969266
📂 G06F18_241
👤 浙江工业大学
📅 2020-09-21
本发明公开了一种基于改进DANN模型的电梯曳引轮故障判断方法，包括：采集目标域数据和源域数据并记录域分类标签；采用小波包分解对目标域和源域数据进行分解重构得到重构信号；利用马尔可夫转移矩阵提取重构信号的时频特征构建马尔可夫变迁场作为输入特征；建立改进DANN模型；利用源域数据对应的输入特征预训练改进DANN模型的特征提取器和分类器；将目标域数据和源域数据对应的输入特征和域分类标签输入预训练好的模型进行对抗训练获得最终DANN模型；将待检测信号输入最终DANN模型获得故障诊断结果。该方法解决样本不足的同时，充分提取振动信号的相关特征，结合迁移学习实现快速准确诊断电梯故障，便于设备安全维护。
📄 2022110558979
📂 G06F18_241
👤 浙江工业大学
📅 2022-08-30
本发明公开了一种关于气动调节阀气室漏气的在线诊断方法，用于实现气动调节阀气室漏气的在线诊断，待测气动调节阀工作在一个带负载的闭环调节系统，一旦发生气室漏气故障，对于阀位会有较为明显的影响。我们通过在线检测待测气动调节阀的阀位反馈信号，将其进行小波分析，提取其中有代表性的细节系数，计算其整流平均值AV、方差VAR、均方根值RMS，并做Smoothing Spline进行拟合得到AV曲线、VAR曲线和RMS曲线，将整个过程分为正常状态运行区和气室漏气故障状态运行区。以此来判断该气动调节阀是否漏气，并且找出漏气时刻，实现气动调节阀气室漏气的在线诊断。
📄 2020103520836
📂 F17D5_02
👤 浙江工业大学
📅 2020-04-28
基于振动信号相关性分析的旋转机械故障特征提取方法，首先在旋转机械设备上采集振动信号，并从中选取一段参考子信号；然后令参考子信号从振动信号的初始时间开始，沿时间轴方向逐点平移，不断地从振动信号中遮掩一段子信号，同时计算参考子信号与遮掩子信号之间的相关系数；平移结束后获得相关系数序列；最后从相关系数序列的频谱中提取故障特征频率。本发明简单易行，相关系数序列获取过程中自适应于原始振动信号本身的特征，可以直观展现旋转机械设备故障特征的变化规律，并且从相关系数序列的频谱中能够有效方便地提取出故障特征频率，用于旋转机械设备的故障诊断。
📄 201910174733X
📂 G06F18_10
👤 浙江工业大学之江学院
📅 2019-03-08
本发明公开了基于振动数据功率谱密度的调节阀气蚀诊断方法，用于诊断调节阀气蚀是否发生以及评估严重程度。本方法是从调节阀阀后管道的特定位置采集振动加速度数据，从振动数据的功率谱密度数据中提取出几个特征参数，通过分析判断特征参数，判断该调节阀此时是否发生了气蚀以及气蚀的严重程度。
📄 2020103508995
📂 G01M13_003
👤 浙江工业大学
📅 2020-04-28
本发明公开了一种数字阀岛故障诊断方法。首先建立数字阀岛上高速开关阀正常工作数据库和故障数据库；处理器将数字阀岛工作时各个加速度振动传感器检测到的振动信号先与高速开关阀正常工作时的数据库做对比，如果全部可以匹配，则表明各高速开关阀都没有故障发生；如果部分没有匹配成功，则说明数字阀岛中的高速开关阀存在故障；将未匹配成功的振动信号与高速开关阀故障数据库匹配，即可判断数字阀岛上高速开关阀发生故障的位置以及发生故障的原因。本发明方法无需对数字阀岛内部结构进行改动，可以准确锁定发生故障的高速开关阀位置，并判断发生故障的原因极大的提高了数字液压系统的稳定性。
📄 2022101886669
📂 G01M13_00
👤 浙江工业大学
📅 2022-02-28
基于时频谱相关性分析的旋转机械故障特征提取方法，首先在旋转机械设备上采集一组振动信号，对其进行时频变换得到时频谱；然后在时频谱中选取一个冲击特征，令其从时频谱的初始时间开始，沿时间轴逐点平移，不断地在时频谱中遮掩一个时频区块，同时计算冲击特征与遮掩时频区块之间的相关系数，平移结束后获得相关系数序列；最后对相关系数序列进行傅里叶变换，从频谱中提取故障特征频率。本发明获得的相关系数序列曲线可以直观展现旋转机械设备振动信号中冲击特征的变化规律，极大去除了噪声及其它干扰信号的影响；相关系数序列的频谱则可以有效方便地提取出故障特征频率，用于旋转机械设备的故障诊断。
📄 2019101749443
📂 G06K9_00
👤 浙江工业大学之江学院
📅 2019-03-08
本发明属于工业制造装备的故障检测技术领域，公开了一种基于非侵入式信号的旋转机械多尺度特征故障诊断方法。构建多标签数据集，多标签数据集包括不同工况下采集的电流基波信号和电流残余信号，电流基波信号设有工况标签，电流残余信号设有故障标签；引入多个相同网络结构的TimesBlock模型并利用训练集残余信号与故障标签进行模型预训练，引入基于工况信息的多通道注意力机制获取多通道多尺度故障信号低维表示，引入由工况分类损失和故障分类损失组成的自适应联合损失函数。本发明克服了基于电流信号进行旋转机械故障诊断时，存在的基波掩盖故障特征以及原始电流信号的信噪比较低的问题。
📄 2024119628020
📂 G06F18_241
👤 浙江工业大学
📅 2024-12-30
基于改进变分模态提取的旋转机械故障特征提取方法，包括：S1：采集振动信号；S2：时频变换处理得到时频谱；S3：从故障冲击特征所在的频率范围内选取一个频率值；S4：设置惩罚参数的变化范围和增大步长；S5：针对惩罚参数增长的每一步值执行变分模态提取，并计算对应期望模态的SDE指标值；S6：画出惩罚参数与SDE指标之间的关系曲线；S7：SDE指标最小值对应惩罚参数的最优值；S8：执行参数优化后的变分模态提取；S9：对最优期望模态进行平方包络谱分析，提取故障特征频率。本发明克服了现有的变分模态分解和变分模态提取中参数难以选取的问题，可以方便有效地从旋转机械振动信号中提取出故障特征，实现旋转机械故障诊断。
📄 2022100196416
📂 G01M13_028
👤 浙江工业大学之江学院
📅 2022-01-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台