一种风电机组故障诊断方法

发明专利有效专利

申请号：
CN201910549517.9
IPC分类号：G06K9/00;G06K9/62;G06Q10/06;G06Q50/06;G01M13/021;G01M13/028
申请日期：
2019-06-24
申请人：
江苏师范大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种风电机组故障诊断方法
申请号	CN201910549517.9	申请日期	2019-06-24
法律状态	实质审查	申报国家	中国
公开/公告日	2019-11-12	公开/公告号	CN110443117A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;Q;1;0;/;0;6;;;G;0;6;Q;5;0;/;0;6;;;G;0;1;M;1;3;/;0;2;1;;;G;0;1;M;1;3;/;0;2;8查看分类表>
申请人	江苏师范大学	申请人地址	江苏省徐州市铜山区上海路101号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	江苏师范大学	当前权利人	江苏师范大学
发明人	刘文艺;任贺;单梦晨;王欣
代理机构	南京苏高专利商标事务所（普通合伙）	代理人	康燕文

摘要

本发明公开了一种风电机组故障诊断方法，该方法根据风电机组齿轮箱的振动信号特性，通过对不同工况下的信号进行变分模态分解，得到一系列本征模函数分量并对其分别求多尺度排列熵；将多尺度排列熵与原信号时域特征组合为特征向量输入到迁移学习算法中；通过线性变换矩阵来最小化源域与目标域的协方差，通过二阶统计量对齐缩小源域与目标域信号数据的分布差异，然后将对齐的源域与目标域信号数据的特征向量输入到支持向量机中进行故障分类。本发明方法能够解决由于不同工况下振动信号数据处于不同分布造成分类效果差的问题，在变工况下风电机组故障诊断中具有更高准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供