本发明记载了一种基于自适应Bi‑LSTM的实时故障诊断方法，步骤包括：S1，采集包括多种故障类型在内的齿轮箱原始故障信号，每种故障类型设置一定的样本量构成数据集；提取原始故障信号的关键特征并构建特征向量；S2，基于弹性网络优化Lasso回归对特征向量进行特征降维；S3，构建基于稀疏注意力机制改进的自适应Bi‑LSTM神经网络，对特征降维后的特征向量进行故障诊断。本发明记载的方法，从时域和频域两个角度提取故障特征，能够充分挖掘故障信号本质信息。基于弹性网络改进的Lasso方法，对高维特征进行降维，能够有效降低数据维度并减少冗余特征干扰。基于自适应Bi‑LSTM神经网络，对筛选后的特征进行故障诊断，实现齿轮箱复合故障的准确与实时识别。
📄 2025112455114
📂 G06F18_213
👤 江西水利电力大学
📅 2025-09-02
本发明公开了基于双注意力机制强化分级决策网络的轴承故障诊断方法及系统，其中方法步骤包括：采集不同健康状态下的轴承振动信号；基于所述轴承振动信号，构建分层多类别故障诊断模型；利用所述分层多类别故障诊断模型确定轴承的故障位置和尺寸。本发明不仅能够在不平衡强噪音的环境下实现轴承健康状态的准确识别而且样本状态类型的决策过程具备可解释性。同时，本发明这种“先定位故障位置，后定量故障尺寸”的决策思想区别于以往“故障位置与尺寸同级混合决策”的做法，更符合人类常规的认知。
📄 202411056336X
📂 G06F18_241
👤 浙江师范大学
📅 2024-08-02
本发明提供一种多级链传动机构故障诊断系统及方法，包括检测机构、控制器和状态监测装置；检测机构包括若干加速度传感器和光电传感器；加速度传感器用来检测多级链传动机构各链轮的振动加速度信号；光电传感器用来检测多级链传动机构各链轮转速信号；控制器分别与检测机构和状态监测装置连接；检测机构将检测的振动加速度信号和转速信号传递给控制器，控制器对各链轮的振动加速度信号进行处理计算，提取振幅信息和频率并与链轮谐波频率进行对比，判断是否发生故障以及确定发生故障的对应链轮。本发明诊断误差小、精度高、速度快，可以有效节省传动系统检查、维修、更换的时间，有效提高多级链传动机构的故障诊断效率。
📄 2019101030702
📂 G01M13_028
👤 江苏大学
📅 2019-02-01
本发明涉及大型设备运维大数据处理与分析领域，公开一种基于运维大数据的风机状态与故障诊断方法及应用，其基本算法流程为：运维状态、环境参数的收集——原始数据集生成——过采样少数类、标签平滑处理——构建多任务集成决策树模型——输出目标特征值——数据与策略平台展示。本发明提出了一种基于优化聚类‑SMOTE、标签平滑的不平衡故障数据集处理算法，可以提高模型的泛化能力和性能；此外，通过多任务集成树模型对数据集进行诊断，利用多任务分割损失函数进行模型收敛，进一步提高数据的价值密度，为风机状态监测和故障诊断提供更加准确的结果。
📄 2023114549507
📂 G06F18_243
👤 佛山职业技术学院
📅 2023-11-03
一种动力电池组故障诊断装置及方法及系统，包括安全箱、监测模块和单体电池；若干单体电池设置在安全箱内，且若干单体电池串联连接，监测模块设置在安全箱的顶部，监测模块用于监测安全箱的温度压力数据；串联的单体电池外接工况信号。本发明通过针对实际工况下的电池组故障诊断，提出了一种非建模的动态电压序列相关性分析方法，此方法基于双动态滑动窗口与斯皮尔曼相关性系数，可以在较好的保证故障诊断时效性的同时，保证故障诊断结果的可靠性。
📄 2021113228444
📂 G01R31_392
👤 长安大学
📅 2021-11-09
本发明涉及一种基于LSTM和MLP结合的化工过程故障诊断方法。本发明首先将原始一维数据通过降维，去掉部分冗余数据点。其次将得到的一维数据输入堆叠的LSTM，提取得到具有时间特性的特征信息。然后通过Flatten层将LSTM的输出数据展开，输入到由全连接层堆叠而成的MLP中。最后由最后一层全连接层中的Softmax分类器进行故障类别的分类。本发明充分利用了LSTM与MLP网络在时间与空间方面特征提取的优势，在两层LSTM后使用MLP网络去进行整体的特征提取与学习，本发明运用于非线性、高耦合、时变以及多特征点的化工过程数据，诊断效果较好。
📄 201911392603X
📂 G05B23_02
👤 杭州电子科技大学
📅 2019-12-30
本实用新型公开了一种风电设备运行故障诊断器，具体涉及风电设备运行故障诊断技术领域，包括升降支杆，所述升降支杆的顶端固定连接上连接凹块，在连接凹块的一侧嵌入安装有收纳组件，所述收纳组件两侧均设有套环支板，所述套环支板的一侧嵌入安装有联动诊断组件；所述联动诊断组件包括嵌入安装在套环支板一侧的驱动杆，且驱动杆的一端部同轴传动连接上第一伺服减速电机。本实用新型通过设置联动诊断组件，启动第一伺服减速电机带动驱动杆向下旋转，驱动杆带动套环支架向下转动，将包裹板位于风电运行机组的后方下方线束位置处，人员可以直接对着对面的风电设备底部线束查看诊断，无需在风机操作平台上来回跑，诊断范围更广。
📄 2022228706913
📂 F03D17_00
👤 常州华与松科技有限公司
📅 2022-10-28
已申报项目
本发明公开了一种基于深度支持向量机的变压器故障诊断方法，包括以下步骤：(1)对收集到的电力变压器油中溶解气体进行分析得到特征气体组分体积分数的原始数据，将原始数据的70％作为训练集，剩余30％作为测试集，用于测试得到的故障诊断模型的准确率；(2)将原始数据进行归一化处理；(3)将步骤(2)中得到的归一化数据，利用灰狼算法对支持向量机参数进行优化，得到变压器故障诊断的最优参数，通过深度学习中的受限玻尔兹曼机对支持向量机模型Mr进行训练，得到变压器故障诊断的最优模型。该方法既可以进一步提高变压器故障诊断的效率又能有效增加故障诊断的准确率。
📄 2020102803062
📂 G16C20_20
👤 西安工程大学
📅 2020-04-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台