本发明属于故障诊断技术领域，公开了一种逆变器退化故障的诊断方法。该诊断方法包括：S1.以金字塔视觉变换器为主干网络，内嵌跨尺度特征融合注意力模块和KAN网络层模块，搭建基于级联金字塔视觉变换器的逆变器退化故障诊断模型；S2.采集包含多种逆变器运行状态的时频图像数据，得到时频图像数据集；S3.采用所述时频图像数据集训练逆变器退化故障诊断模型；S4.将训练好的逆变器退化故障诊断模型和时频图像转换模块部署在逆变器中，实时诊断逆变器退化故障。该诊断方法能通过强非线性映射与多尺度特征关联准确识别并解耦逆变器的复杂参数故障，提高电力电子系统的运行可靠性与维护效率。
📄 2026102679185
📂 G01R31_40
👤 南通大学
📅 2026-03-06
本发明公开了一种爪极发电机整流电路故障诊断方法、系统、设备及介质，方法包括下述步骤：S1、根据待测爪极发电机的机械参数以及运作转速，利用解析法获取待测爪极发电机的理论电磁力空间阶次和频率信息；S2、采集待测测爪极发电机整机散逸至空气声场中的噪声时域信号；S3、获取待测电机的噪声频率谱；S4、对于步骤S3中获得的噪声频谱，识别其噪声幅度最大的谐波频率，并与S1解析计算的结果进行对比，根据二者峰值噪声谐波的频次是否相同，判断是否发生单管开路故障或短路故障。本发明基于输出直流电流和电机噪声时域信号，在无需对电机进行拆卸的情况下，能对车载爪极电机整流二极管单管断路和短路情况进行快速诊断。
📄 2022105261445
📂 G01R31_26
👤 华南农业大学
📅 2022-05-16
本发明公开一种基于残差数据缩放策略的热泵系统自适应故障诊断方法，属于制冷空调运维与人工智能的交叉领域。重点解决数据驱动诊断模型在实际多变场景中适应性差、迁移共享困难的问题。提出一种热力残差故障诊断框架结合数据随机缩放策略的自适应诊断方法，充分学习故障数据中偏离规律的知识而摒弃偏离幅值这类缺乏共享性的知识，并为知识辅助驱动介入提供可能，具有重要工程价值。
📄 2021111148784
📂 G06F18_24
👤 浙江工业大学
📅 2021-09-23
一种双馈异步风机电能质量异常故障诊断方法，包括以下步骤：步骤1)采用经验小波分解方法对原始电能质量扰动信号进行分解；步骤2)把K个fi(t)子信号行向量进行竖向排列，得到一个基于经验小波分解的时域信号矩阵F；步骤3)引入半监督协同训练进行数据重构，去除噪声或错误样本；步骤4)构建卷积神经网络模型，将时域信号矩阵F作为卷积神经网络模型的输入，利用训练集训练卷积神经网络模型，进行参数调整，利用测试集测试卷积神经网络模型；步骤5)将卷积神经网络特征值矩阵作为支持向量机模型的输入，进行双馈异步风机电能质量异常故障信号识别。本发明得到的双馈异步风机电能质量异常故障诊断分类器具有较好的分类精度和鲁棒性。
📄 2020111068959
📂 G06F18_2411
👤 浙江工业大学
📅 2020-10-16
本发明公开了融合慢信号时频表征的能源热力系统图嵌入故障推理方法。该方法通过时频分析对热力系统中采样频率低、信号变化缓慢的热力学慢信号进行联合时域与频域表征，并构建参数间的知识图谱，利用图卷积网络GCN和时空图卷积网络STGCN对图结构数据进行学习，实现复杂能源热力系统的端到端故障推理。本发明通过采用数据插值加密和稀疏时频表征方法能够有效提取慢信号的时频域特征，扩展了热力学信号的表征维度；利用知识图谱整合参数间的关联关系，并结合CNN‑GCN和STGCN进行“时‑空‑频”跨模态融合决策，大幅提升了复杂能源热力系统的故障推理能力，增强了系统的诊断准确性与可靠性。
📄 2025106077096
📂 G06N5_04
👤 浙江工业大学
📅 2025-05-13
一种变转速风电高速轴轴承故障的识别方法，通过采用有跟踪阶次分析，将时域轴承振动信号转换为角域轴承振动信号，避免了直接处理时域轴承振动信号带来的频率模糊效应；同时利用经验小波变换，对轴承振动信号的阶次谱进行自适应划分，并结合奇异值分解实现降噪处理；利用Gabor变换将一维角域振动信号转换为二维图像特征，并结合Sobel算子实现图像增强；最后，构建卷积神经网络，实现轴承故障的自动诊断过程。本发明提出的方法可以更好的实现风电轴承故障信号的特征提取，并对风电轴承故障类型进行快速、准确的识别。
📄 2022102470186
📂 G01M13_045
👤 浙江工业大学
📅 2022-03-14
一种基于插值轴心轨迹的水轮机故障诊断方法，首先对机组轴系监测信号进行了变化和插值，依据极值位置分布和正弦函数关系获取了插值信号；在其基础上提出了一种插值轴心轨迹；建立了相应的卷积神经网络模型以实现轴心轨迹图像智能监测；本发明消除了传统轴心轨迹的个体间巨大差异，压缩了信号数据量，建立了完整的轴心轨迹标准化方法，实现了轨迹信息的特征学习和建模方法，能够识别水轮机组中转子不对中、转子不平衡、转子弯曲等故障，能够应用于各类水轮机的状态监测及故障诊断任务。
📄 202110003573X
📂 G06F18_10
👤 西安理工大学
📅 2021-01-04
本发明公开了一种基于深度学习与智能优化的中压断路器故障诊断方法，包括以下步骤：1)采集正常状态、脱扣闭合电磁铁堵塞、主轴堵塞和半轴堵塞的中压断路器振动信号作为原始数据集；2)将训练集数据和测试集数据进行归一化处理；3)构建CNN深度神经网络模型；4)将训练好的CNN深度神经网络模型结合量子粒子群算法对SVM分类器进行优化训练；5)将测试样本数据输入到训练好的故障诊断模型中进行断路器故障诊断。本发明利用卷积神经网络提取特征能力强的优点，有效提取数据特征；进一步利用量子粒子群算法能有效消除局部最优现象的优点，提高了数据分类的准确度。
📄 2021112768017
📂 G06F18_24
👤 浙江工业大学
📅 2021-10-29
本发明提出一种GIS刀闸开关的故障诊断方法及多监测点声音振动采集设备，涉及GIS刀闸开关故障诊断的技术领域，采集GIS刀闸开关正常工况下的声音和振动数据以确定阈值，采用闲时不间断监测与正式监测配合的多监测点采集的方式，在闲时不间断监测中，以声音和振动幅值频率阈值评判闲时不间断监测的数据是否异常，这个方式过程仅开启声音振动数据的采集和检测功能，减少能耗，加快数据处理速度，并丢弃无异常的声音振动数据，节省了内存空间；异常时，进入正式监测的方式，此方式过程包含了数据采集、数据处理和数据保存等功能，待正式声音振动信息检测完成后，对其余采集监测点监测的数据进行阈值判断，提高了故障诊断结果可靠性。
📄 2022114268797
📂 G01H17_00
👤 广东工业大学
📅 2022-11-15
本发明公开了一种基于GHPSO‑BP的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型的数据样本，将归一化处理后的样本数据按照特定比例分为测试样本和训练样本；步骤2：对经步骤1归一化处理后所得的训练样本，对其条件属性约简特征信息并从中提取决策规则，构建约简决策表；步骤3：将经步骤2中构建的约简决策表中的约简特征信息作为构建GHPSO‑BP神经网络的输入，以此建立起基于GHPSO‑BP的高压断路器故障诊断模型；步骤4：将步骤3训练获得的高压断路器故障诊断模型对步骤1中的测试集样本进行故障分类，得出故障分类结果，并统计模型诊断准确率。本故障诊断方法能够准确实现高压断路器故障诊断。
📄 2018114186682
📂 G01R31_327
👤 西安工程大学
📅 2018-11-26
本发明公开了基于改进观测器的MMC子模块开路故障诊断与定位方法，提出基于构建的新型滑模观测器得到故障后桥臂电流观测值，然后根据该桥臂电流观测值和实际桥臂电流测量值之间的残差是否大于阈值，并持续一定时间来实现具体某相桥臂发生子模块开路故障的诊断，再根据残差是否大于0，判断是某一子模块的上管发生开路故障还是下管发生开路故障；本发明既可以对单相模块化多电平变换器的上下管开路故障进行准确诊断与定位，也可以对三相模块化多电平变换器的上下管开路故障进行准确诊断与定位，此外，本发明还解决了在排序均压算法下出现子模块上管开路故障情况下会造成正常子模块电容电压与故障子模块电容电压变化一致无法识别的问题。
📄 2021114371882
📂 G01R31_54
👤 西安理工大学
📅 2021-11-30
本发明公开了基于RSSNPS的电网故障诊断方法，包括S1、读取SCADA数据；S2、确定待诊断电力系统中的停电区域；S3、基于确定的停电区域，建立对应的故障诊断目标函数；S4、基于SCADA数据，利用随机自调节脉冲神经P系统对建立的故障诊断目标函数进行寻优求解，获得最优解；S5、根据最优解的编码确定电网故障诊断结果。本发明提出了利用RSSNPS来提高故障诊断过程的全局收敛效果，以确保准确搜索到最优解，并将天气因素、自检信息和三类自条件信任因子引入到故障诊断目标函数，提高了目标函数在面对复杂环境条件时的故障诊断能力；有效地处理了由于灾害天气引发的故障警报信息畸变及保护装置和断路器异常下的故障诊断问题。
📄 2021104772491
📂 G06F17_11
👤 西华大学
📅 2021-04-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台