一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法

发明专利有效专利

申请号：
CN202110416581.7
IPC分类号：G01M7/02;G01R31/327;G01R19/00;G01R15/20
申请日期：
2021-04-19
申请人：
河北工业大学

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	一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法
申请号	CN202110416581.7	申请日期	2021-04-19
法律状态	实质审查	申报国家	中国
公开/公告日	2021-07-16	公开/公告号	CN113125095A
优先权	暂无	优先权号	暂无
主分类号	G01M7/02 ? IPC结构图谱： G 物理 G0 仪器 G01 测量；测试 G01M 机器或结构部件的静或动平衡的测试；其他类目中不包括的结构部件或设备的测试 G01M7/00 结构部件的振动测试；结构部件的冲击测试（G01M 9/00优先） G01M7/02 振动测试〔5〕	IPC分类号	G;0;1;M;7;/;0;2;;;G;0;1;R;3;1;/;3;2;7;;;G;0;1;R;1;9;/;0;0;;;G;0;1;R;1;5;/;2;0查看分类表>
申请人	河北工业大学	申请人地址	天津市红桥区丁字沽光荣道8号河北工业大学东院变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	河北工业大学	当前权利人	河北工业大学
发明人	孙曙光;温志涛;杜太行;王景芹;唐尧;高辉
代理机构	天津翰林知识产权代理事务所（普通合伙）	代理人	赵凤英

摘要

本发明为一种基于深度学习的万能式断路器触头系统剩余机械寿命预测方法。该方法采用了深度学习方法来进行寿命预测研究，首先提出机械寿命预测振动信号有效片段概念；其次引入VMD算法以及基于短时能量的双门限来自动标定其区间；再次构建多通道卷积自编码器网络(MCCAE)，采用无监督学习方式训练，提取有效片段深层退化时序特征；最后构建长短时记忆神经网络(LSTM)，以时序特征作为输入，采用有监督学习训练方式，完成预测等步骤，可以有效地完成万能式断路器触头系统剩余机械寿命预测。

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