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
本发明公开了一种基于随机共振的直流故障电弧诊断方法及装置，装置包括滤波控制模块，滤波控制模块分别连接采样模块、信号处理模块和通讯模块，信号处理模块还连接通讯模块和脱扣模块，所述故障诊断装置通过通讯模块接收参数设定系统发送的参数。装置的故障诊断方法利用随机共振方法对实时采集的系统电流信号进行滤波预处理，对滤波电流进行多种时频特征计算，利用机器学习分类器融合所得的多特征量组，用以检测直流故障电弧的发生，选用随直流故障电弧位置变化而呈现差异的检测特征进行故障选线。本发明解决了现有直流故障电弧检测装置无法检测存在于强系统噪声干扰条件下特征不明显的直流故障电弧、以及选择性缺失引发后期运维不便的问题。
📄 2020110921272
📂 G01R31_12
👤 西安理工大学
📅 2020-10-13
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
本发明适用于高压大容量直流变换器故障诊断技术领域，提供了一种面向CETDC子模块IGBT开路故障的在线诊断方法及系统，所述方法包括：构建多通道电容电压的融合表征；建立INFO算法优化的VMD自适应分解；构建复合适应度函数并约束寻优过程；建立基于包络熵统计特性的敏感模态筛选；构建敏感模态的多域特征向量并建立故障识别模型；建立可解释性分析与关键特征压缩。本发明能够在复杂工况与噪声扰动下保持高精度诊断，并通过“参数自适应分解‑敏感模态筛选‑关键特征压缩‑注意力时序识别‑可解释性验证”的闭环流程，提高在线部署的实时性、稳定性与工程可用性。
📄 2026105630236
📂 G01R31_26
👤 东北电力大学
📅 2026-04-27
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
本发明提出一种多尺度时空卷积深度信念网络的风力发电机故障诊断方法，该方法利用SCADA多变量时间序列固有的时空相关性和交互性特性，设计具有不同卷积核结构的卷积深度信念网络以级联的方式捕获传感器变量间的时空相关性信息，同时以并行的方式在多个滤波器尺度下挖掘变量间交互互补的特征，上述技术手段融合了时空依赖性提取和多尺度特征学习方法，因此能够提取更为丰富的故障诊断信息，与传统的卷积深度信念网络模型及其变体相比，本发明能够增强分类性能，为风力发电机故障诊断领域提供了新的途径。
📄 2020101978820
📂 G01R31_34
👤 燕山大学
📅 2020-03-19
本发明公开一种风电机组联邦故障诊断方法及系统，先基于风电场内相同类型风电机组构建风电机组的训练集和测试集；然后基于联邦学习框架，根据所述训练集对本地故障诊断模型进行训练，获得各风电机组对应的最优共享故障诊断模型；最后将所述测试集输入至各风电机组对应的所述最优共享故障诊断模型进行风电机组故障诊断，获得风电机组故障诊断结果。本发明基于联邦学习框架实现多台风电机组数据共享，通过“数据不动模型动”的方式，在数据不出本地的情况下，将各台风电机组联合起来进行联邦训练，在有效的保护不同风电机组制造商数据隐私的同时，丰富了故障类型并解决了风电机组间存在的数据孤岛问题，在风电机组故障诊断领域中具有广阔的前景。
📄 2021105201204
📂 G06F30_27
👤 燕山大学
📅 2021-05-13
本发明涉及一种跨风电机组的迁移故障诊断方法，属于风电机组故障诊断技术领域，包括利用风电机组的SCADA系统采集多组同风场同类型风机数据，并进行数据预处理及数据打标；将机组划分源域机组和目标域机组，源域机组数据和少量目标域机组数据作为训练集，其余的目标域数据按比例划分验证集和测试集；针对风电机组数据设计深度卷积神经网络特征学习模块，进行特征的融合提取，得到不同机组数据的深层特征；将分布对齐后的特征输入到分类层中，输出得到目标域风电机组数据的故障类型。本发明能够多准则加权联合度量，自适应减小机组间数据多元分布异构，提高模型对不同风机数据的泛化能力以及在新目标机组的故障诊断精度。
📄 2021112735263
📂 G06F18_24
👤 燕山大学
📅 2021-10-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台