CN102736027A - 一种基于断路器动特性测试仪的断路器故障诊断方法 - Google Patents
一种基于断路器动特性测试仪的断路器故障诊断方法 Download PDFInfo
- Publication number
- CN102736027A CN102736027A CN2012102487889A CN201210248788A CN102736027A CN 102736027 A CN102736027 A CN 102736027A CN 2012102487889 A CN2012102487889 A CN 2012102487889A CN 201210248788 A CN201210248788 A CN 201210248788A CN 102736027 A CN102736027 A CN 102736027A
- Authority
- CN
- China
- Prior art keywords
- signal
- wavelet
- circuit breaker
- signals
- posterior probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明涉及一种基于断路器动特性测试仪的断路器故障诊断方法。包括如下步骤：从所述测试仪上采集任意样本信号，将采集的所述信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成整理信号W(t)，提取整理信号W(t)的小波特征熵，并将该小波特征熵输入到相关向量机模型中，得到对应的相关向量RVM的后验概率，采用最大概率赢MPW的策略，故障归于后验概率最大的那一类信号。优点是，通过对采集的信号进行小波分解提取小波特征熵作为特征值输入到由相关向量机原理建立的故障诊断模型中进行诊断；采用后验概率诊断方法，实现对电力设备的及时监控；并极大地减少了核函数的计算量，提高了诊断效率及准确率。
Description
技术领域
本发明涉及电力线路的监控设备，尤其涉及一种基于断路器动特性测试仪的断路器故障诊断方法。
背景技术
为了满足电力发展智能化的需求，现行的电力设备定期检修要逐步转变为状态检修，降低由于检修操作不当引起的隐患。对于断路器进而言，为了达到状态检修的目的，需要对其进行在线监测并尽可能具备通过分析检测到的数据对其机械特性故障进行智能诊断。
目前，断路器测试仪处于对断路器进行出厂检验和停机检修的阶段，测量内容比较少，而且都是侵入式测量，不具备在线监测的功能，更无法满足对断路器动特性故障的智能诊断能力，不能满足电力发展智能化的需要。
发明内容
本发明的目的在于克服现有技术的不足，提供一种使断路器动特性测试仪具有较好稳定性、较强适应性、功能完善、并具备诊断若干种断路器常见故障的故障诊断方法。其具体技术方案如下：
所述基于断路器动特性测试仪的断路器故障诊断方法，包括如下步骤：从所述测试仪上采集任意样本信号，将采集的所述信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成样本整理信号W(t)，提取该样本整理信号W(t)的小波特征熵，并将该小波特征熵输入到相关向量机模型中，得到对应的相关向量RVM的后验概率，采用最大概率赢MPW的策略，故障归于后验概率最大的那一类信号。
所述诊断方法进一步设计在于，小波特征熵的提取包括如下步骤：
1）对样本整理信号W(t)采用下述递推分解,得到 
层小波包分解
式中: 为小波特性系数，
任意是整数，
为具有小波特性系数
的高通滤波器组特性，
为具有小波特性系数
的低通滤波器组特性，且，第m层的个分解信号为：
、
…
，n =0、1、2…
-1；
2）用Hilbert方法提取信号W(t)包络，将所得到的包络信号
，根据原始振动时间特性分成n段，计算每段信号的能量
式中: 
=1，2，3，…，p，每一时间分段的起止时刻分别为t 0 、t 1 ；
3）将包络信号各分段能量进行下述的归一化处理
4）小波包能量熵为：
。
所述诊断方法进一步设计在于，所述相关向量机模型为
式中: 核函数向量为，
，…，
为核函数，是权值向量；
是逻辑S型函数，是通过反复迭代计算得到的最终值权值向量，
任意输入小波包能量熵样本，属于一类事件，记着b=1的类的后验概率定义为：
属于另一类事件，记着b=0的类
的后验概率为：
所述诊断方法进一步设计在于，所述最大概率赢MPW的策略为，对于M类事件记为
，M>2，相关向量机RVM为采用由多个二类分类器组合构造的多类分类器，记为
表示对第d类和第j类进行分类的二类分类分类器，对M类事件中任意事件
的后验概率：
最大概率赢MPW策略将归于由所述多类分类器中得到的概率最大的那一类。
本发明方法的有益效果在于：本发明通过对断路器动特性测试仪相关的振动量信号进行在线非侵入式监测测量，实现对电力设备的及时监控；对经整流滤波的采集信号进行小波分解提取小波特征熵作为特征值输入到由相关向量机原理建立的故障诊断模型中进行故障诊断；采用后验概率诊断方法，即通过移除不相关的点，获得稀疏化的模型。由于对采集信号样本数据的迭代学习过程中，大部分参数的后验分布趋于零，而非零参数所对应的学习样本，与决策域的样本并不相关，只代表数据中的原型样本，体现了数据中最核心的特征，由此极大地减少了核函数的计算量，并使诊断准确率高。
附图说明
图1是本发明方法的流程框图。
图2是三层小波包分解机构示意图。
具体实施方式
对照图1，从断路器上采集各类振动等样本信号，例如：正常状态、永磁机构松动状态、合闸电压过大、合闸电流过小、驱动杆有卡阻等状况断路器动作时的振动信号。将采集的样本信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成样本整理信号W(t)，并按下列步骤提取整理信号中的小波特征熵：
1．对样本整理信号W(t)进行层小波包分解
对于样本整理信号W(t)的一组若干个正交小波基h，采用下述递推分解,得到m层小波包分解
其中：k为小波特性系数，
和分别为具有小波特性系数
的高、低通滤波器系数，。
小波包分解分解的每层包含
个分解信号，m =1、2、
，第m层的
个分解信号排列分别为：
、
…
，n =0、1、2…
-1, 上述m层的
个分解信号是由上层(m-1层)的
个分解信号中的每一信号分解为对应的一高通信号W 2n-1 (t)和一低通信号W 2n (t)所形成的。每经过一次分解，原信号W(t)被分解为低一级的高通信号和低通信号，但两者的长度均为输入信号的一半，保证了原信号中的信息被完整保存。以三层小波包分解为例，原始信号 W(t)可分解为如图2所示结构，表达为：
最初的分解信号
、
可分别通过下述的尺度方程和小波方程对样本整理分解得到，
尺度方程为: 
（3）
小波方程为： 
（4）
即有
，
。
2．根据包络信号计算信号的能量，
对上述小波包分解的各节点的信号进行重构则可反映该节点对应频段在原始信号中的分布情况，实现对原始信号的频域抽取，在故障诊断的应用中可以反映状态特征频段的变化。
信号的突变信息往往体现在信号的包络中，例如振动冲击所包含的高频成分就是包络信号的载波。用Hilbert方法提取信号包络，将所得到的包络信号根据原始振动时间特性分成p段，并对每段信号分别利用时间积分计算其能量
式中:i =1，2，3…p，每一时间分段的起止时刻分别为t 0 、t 1 。
3.将包络信号
各分段能量进行归一化处理:
（6）
4.得到小波包能量熵为：
（7）
给定一组训练的N个样本对
，每一样本对包含对应的小波包能量熵
和故障类别
，其中
取q维的实向量R，即
，故障类别
取值为0和1，即
。故障类别相关向量机RVM对任意输入的小波包能量熵样本
的二分类模型定义如下：
其中，核函数向量为
，
，
，…，
等为核函数， T代表向量转置；所述一组训练的N个样本对所对应的权值为ω0…ωN，其权值向量
，
是逻辑S型函数（logistic sigmoid function）,简称
函数。
相关向量机RVM在模型训练阶段，为了防止过拟合，为每个权值
分配了一个独立的零均值高斯分布作为先验概率分布，基于贝叶斯理论，通过反复迭代计算权值的最大后验概率，得到最终值权值向量
。训练结束时，绝大部分权值变得非常小，近于零，只有少量非零权值，根据式（8），只有少量对应于非零权值的输入训练向量有作用，即称为相关向量（RVS）。只保留相关向量，RVM模型可重新表示为：
由于
函数具有如下特性：
因此RVM模型可用于表示后验概率分布。
任意输入小波包能量熵样本，属于一类事件，记着b=1的类
的后验概率定义为：
（11）
根据
函数的性质，可求的属于另一类事件，记着b=0的类
的后验概率为：
对于多类振动故障信号问题，例如有永磁机构松动状态、合闸电压过大、合闸电流过小、驱动杆有卡阻等故障时断路器动作的振动信号，如用M表示所有事件包括振动故障信号事件和正常信号事件，则M>2，其所有事件记为
，RVM为每两类选择独立的特征子集的“一对一”（OAO）的组合方式的多个二类分类器组合构造成的多类分类器。OAO将所有类两两组合，共构造M(M-1)/2个二类分类器，记为
表示对第d类和第j类进行分类的分类分类器，第d类、第j及第s类都属于M类中的一类。以M=3为例，需要构建三个分类器，第一个分类器对第一类和第二类分类记为
，第二个分类器对第二类和第三类分类 记为
第三个分类器对一类和第三类分类 记为
。对M类故障信号事件中的任意故障信号问题样本
，根据式（8）式或（9）式可分别求得d类振动故障信号事件与j类振动故障信号事件
两类组合故障信号组合事件的后验概率，记为
或
。
如将永磁机构松动状态、合闸电压过大、驱动杆有卡阻时断路器动作的振动的故障信号和正常信号看做所有事件，记为，共需要4(4-1)/2=6个二类分类器，记为
：永磁机构松动状态的振动故障信号与合闸电压过大的振动故障信号组合分类器；永磁机构松动状态的振动故障信号与驱动杆有卡阻的振动故障信号组合分类器；
永磁机构松动状态的振动故障信号与正常信号的组合分类器；合闸电压过大的振动故障信号与驱动杆有卡阻振动故障信号组合分类器；
合闸电压过大的振动故障信号与正常信号组合分类器；
驱动杆有卡阻的振动故障信号与正常信号组合分类器。
常用的OAO组合决策策略为采用“最大概率赢”（MPW）的策略，对于样本
，其属于
的组合后验概率定义为：
（13）
MPW策略任意问题样本事件归于由多类分类器分类出的后验概率最大的那一类。
如果上述OAO组合分类器中
与
后验概率相对其他组合为最大，则故障归于永磁机构松动状态一类。
Claims (4)
1.一种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于包括如下步骤：从所述测试仪上采集任意样本信号，将采集的所述信号通过数模转换为数字信号，对该数字信号进行整形滤波，形成样本整理信号W(t)，提取该样本整理信号W(t)的小波特征熵，并将该小波特征熵输入到相关向量机模型中，得到对应的相关向量RVM的后验概率，采用最大概率赢MPW的策略，故障归于后验概率最大的那一类信号。
2.根据权利要求1所述的一种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于小波特征熵的提取包括如下步骤：
1）对样本整理信号W(t)采用下述递推分解,得到 
层小波包分解
式中: 
为小波特性系数，
任意是整数，
为具有小波特性系数
的高通滤波器组特性，
为具有小波特性系数的低通滤波器组特性，且
，第m层的
个分解信号为：
、
…
，n =0、1、2…
-1；
2）用Hilbert方法提取信号W(t)包络，将所得到的包络信号
，根据原始振动时间特性分成n段，计算每段信号的能量
式中:
=1，2，3，…，p，每一时间分段的起止时刻分别为t 0 、t 1 ；
3）将包络信号各分段能量进行下述的归一化处理
；
4）小波包能量熵为：
。
3.根据权利要求2所述的一种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于所述相关向量机模型设为
式中:， 
为小波包能量熵样本，
，…，
为核函数，
是权值向量；
是逻辑S型函数，
是通过反复迭代计算得到的最终值权值向量，
任意输入小波包能量熵样本
，属于一类事件，记着b=1的类的后验概率定义为：
属于属于另一类事件，记着b=0的类
的后验概率为：
。
4.根据权利要求3所述的一种基于断路器动特性测试仪的断路器故障诊断方法，其特征在于所述最大概率赢MPW的策略为，对于M类事件记为
，M>2，相关向量机RVM为采用由多个二类分类器组合构造的多类分类器，记为，表示对第d类和第j类进行分类的二类分类分类器，对M类事件中任意事件
的后验概率：
最大概率赢MPW策略将归于由所述多类分类器中得到的概率最大的那一类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012102487889A CN102736027A (zh) | 2012-07-18 | 2012-07-18 | 一种基于断路器动特性测试仪的断路器故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012102487889A CN102736027A (zh) | 2012-07-18 | 2012-07-18 | 一种基于断路器动特性测试仪的断路器故障诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102736027A true CN102736027A (zh) | 2012-10-17 |
Family
ID=46991869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012102487889A Pending CN102736027A (zh) | 2012-07-18 | 2012-07-18 | 一种基于断路器动特性测试仪的断路器故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102736027A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103064019A (zh) * | 2013-01-04 | 2013-04-24 | 河海大学常州校区 | 基于灰色关联模糊聚类的高压断路器故障诊断方法 |
| CN103076168A (zh) * | 2013-01-09 | 2013-05-01 | 西安交通大学 | 一种断路器机械故障的诊断方法 |
| CN103336243A (zh) * | 2013-07-01 | 2013-10-02 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
| CN103439650A (zh) * | 2013-08-07 | 2013-12-11 | 王岩 | 一种继电器状态监测与故障诊断的方法和装置 |
| CN103471849A (zh) * | 2013-09-25 | 2013-12-25 | 东华大学 | 基于双重组合模式的多层相关向量机的轴承故障诊断系统 |
| CN103616635A (zh) * | 2013-12-05 | 2014-03-05 | 国家电网公司 | 一种高压断路器机械特性故障诊断装置及方法 |
| CN103743554A (zh) * | 2013-06-28 | 2014-04-23 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
| CN103758742A (zh) * | 2014-01-17 | 2014-04-30 | 东华大学 | 一种基于双类特征融合诊断的柱塞泵故障诊断系统 |
| CN104181460A (zh) * | 2014-07-07 | 2014-12-03 | 沈阳工业大学 | 一种基于多信息融合的永磁机构真空断路器故障诊断方法 |
| CN104237777A (zh) * | 2014-08-14 | 2014-12-24 | 国家电网公司 | 基于核主元分析的支持向量机高压断路器故障诊断方法 |
| CN104330691A (zh) * | 2014-10-31 | 2015-02-04 | 国家电网公司 | 一种电力变压器绕组振动信号在线监测系统 |
| CN104636746A (zh) * | 2015-02-04 | 2015-05-20 | 华南理工大学 | 一种基于局部区域小波变换的gis设备特征值提取方法 |
| CN106404055A (zh) * | 2016-08-29 | 2017-02-15 | 孟玲 | 一种输电网塔杆的监控系统 |
| CN108020781A (zh) * | 2017-12-19 | 2018-05-11 | 上海电机学院 | 一种断路器故障诊断方法 |
| CN108918111A (zh) * | 2018-05-16 | 2018-11-30 | 国网山东省电力公司莱芜供电公司 | 基于k-近邻贝叶斯多标签分类的断路器机械故障诊断方法 |
| US10325739B2 (en) | 2012-10-26 | 2019-06-18 | Littelfuse, Inc. | Surge protection device |
| CN110988674A (zh) * | 2019-11-19 | 2020-04-10 | 中南大学 | 永磁同步电机的健康状态监测方法、系统及移动终端 |
| CN111678679A (zh) * | 2020-05-06 | 2020-09-18 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种基于pca-bpnn的断路器故障诊断方法 |
| CN112098802A (zh) * | 2020-07-31 | 2020-12-18 | 中国人民解放军国防科技大学 | 一种基于小波时频熵能量序列的焊点间歇故障诊断方法 |
| WO2021103496A1 (zh) * | 2019-11-29 | 2021-06-03 | 国网天津市电力公司电力科学研究院 | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 |
| CN113011084A (zh) * | 2021-02-26 | 2021-06-22 | 华北电力大学 | 基于相关向量机的输电线路故障原因智能辨识方法 |
| CN113341306A (zh) * | 2021-04-19 | 2021-09-03 | 云南电网有限责任公司临沧供电局 | 一种基于振动信号的高压断路器状态评估系统与方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1811367A (zh) * | 2006-03-03 | 2006-08-02 | 西安交通大学 | 机械故障的集成支持向量机混合智能诊断方法 |
| CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
| CN201440110U (zh) * | 2009-06-30 | 2010-04-21 | 河南省电力公司商丘供电公司 | 一体化断路器机械特性测试系统 |
-
2012
- 2012-07-18 CN CN2012102487889A patent/CN102736027A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1811367A (zh) * | 2006-03-03 | 2006-08-02 | 西安交通大学 | 机械故障的集成支持向量机混合智能诊断方法 |
| CN101135601A (zh) * | 2007-10-18 | 2008-03-05 | 北京英华达电力电子工程科技有限公司 | 一种旋转机械振动故障诊断装置及方法 |
| CN201440110U (zh) * | 2009-06-30 | 2010-04-21 | 河南省电力公司商丘供电公司 | 一体化断路器机械特性测试系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘洋等: "针对振动信号的高压断路器机械故障智能诊断方法", 《智能电网与先进电力设备学术交流会暨中国电工技术学会电器智能化系统及应用专业委员会2011年学术年会论文集》 * |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10325739B2 (en) | 2012-10-26 | 2019-06-18 | Littelfuse, Inc. | Surge protection device |
| CN103064019A (zh) * | 2013-01-04 | 2013-04-24 | 河海大学常州校区 | 基于灰色关联模糊聚类的高压断路器故障诊断方法 |
| CN103076168A (zh) * | 2013-01-09 | 2013-05-01 | 西安交通大学 | 一种断路器机械故障的诊断方法 |
| CN103743554A (zh) * | 2013-06-28 | 2014-04-23 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
| CN103743554B (zh) * | 2013-06-28 | 2017-03-29 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
| CN103336243B (zh) * | 2013-07-01 | 2016-02-10 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
| CN103336243A (zh) * | 2013-07-01 | 2013-10-02 | 东南大学 | 基于分合闸线圈电流信号的断路器故障诊断方法 |
| CN103439650A (zh) * | 2013-08-07 | 2013-12-11 | 王岩 | 一种继电器状态监测与故障诊断的方法和装置 |
| CN103439650B (zh) * | 2013-08-07 | 2016-04-06 | 王岩 | 一种继电器状态监测与故障诊断的方法和装置 |
| CN103471849A (zh) * | 2013-09-25 | 2013-12-25 | 东华大学 | 基于双重组合模式的多层相关向量机的轴承故障诊断系统 |
| CN103616635B (zh) * | 2013-12-05 | 2017-02-08 | 国家电网公司 | 一种高压断路器机械特性故障诊断装置及方法 |
| CN103616635A (zh) * | 2013-12-05 | 2014-03-05 | 国家电网公司 | 一种高压断路器机械特性故障诊断装置及方法 |
| CN103758742A (zh) * | 2014-01-17 | 2014-04-30 | 东华大学 | 一种基于双类特征融合诊断的柱塞泵故障诊断系统 |
| CN104181460A (zh) * | 2014-07-07 | 2014-12-03 | 沈阳工业大学 | 一种基于多信息融合的永磁机构真空断路器故障诊断方法 |
| CN104181460B (zh) * | 2014-07-07 | 2017-06-06 | 沈阳工业大学 | 一种基于多信息融合的永磁机构真空断路器故障诊断方法 |
| CN104237777A (zh) * | 2014-08-14 | 2014-12-24 | 国家电网公司 | 基于核主元分析的支持向量机高压断路器故障诊断方法 |
| CN104330691A (zh) * | 2014-10-31 | 2015-02-04 | 国家电网公司 | 一种电力变压器绕组振动信号在线监测系统 |
| CN104636746B (zh) * | 2015-02-04 | 2018-01-16 | 华南理工大学 | 一种基于局部区域小波变换的gis设备特征值提取方法 |
| CN104636746A (zh) * | 2015-02-04 | 2015-05-20 | 华南理工大学 | 一种基于局部区域小波变换的gis设备特征值提取方法 |
| CN106404055A (zh) * | 2016-08-29 | 2017-02-15 | 孟玲 | 一种输电网塔杆的监控系统 |
| CN108020781A (zh) * | 2017-12-19 | 2018-05-11 | 上海电机学院 | 一种断路器故障诊断方法 |
| CN108918111A (zh) * | 2018-05-16 | 2018-11-30 | 国网山东省电力公司莱芜供电公司 | 基于k-近邻贝叶斯多标签分类的断路器机械故障诊断方法 |
| CN110988674A (zh) * | 2019-11-19 | 2020-04-10 | 中南大学 | 永磁同步电机的健康状态监测方法、系统及移动终端 |
| WO2021103496A1 (zh) * | 2019-11-29 | 2021-06-03 | 国网天津市电力公司电力科学研究院 | 基于异常振动的气体绝缘组合开关设备机械故障诊断方法 |
| CN111678679A (zh) * | 2020-05-06 | 2020-09-18 | 内蒙古电力(集团)有限责任公司电力调度控制分公司 | 一种基于pca-bpnn的断路器故障诊断方法 |
| CN112098802A (zh) * | 2020-07-31 | 2020-12-18 | 中国人民解放军国防科技大学 | 一种基于小波时频熵能量序列的焊点间歇故障诊断方法 |
| CN112098802B (zh) * | 2020-07-31 | 2022-09-02 | 中国人民解放军国防科技大学 | 一种基于小波时频熵能量序列的焊点间歇故障诊断方法 |
| CN113011084A (zh) * | 2021-02-26 | 2021-06-22 | 华北电力大学 | 基于相关向量机的输电线路故障原因智能辨识方法 |
| CN113011084B (zh) * | 2021-02-26 | 2023-08-11 | 华北电力大学 | 基于相关向量机的输电线路故障原因智能辨识方法 |
| CN113341306A (zh) * | 2021-04-19 | 2021-09-03 | 云南电网有限责任公司临沧供电局 | 一种基于振动信号的高压断路器状态评估系统与方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102736027A (zh) | 一种基于断路器动特性测试仪的断路器故障诊断方法 | |
| Ranjan et al. | K-nearest neighbors and grid search cv based real time fault monitoring system for industries | |
| CN106124212B (zh) | 基于稀疏编码器和支持向量机的滚动轴承故障诊断方法 | |
| CN106769052B (zh) | 一种基于聚类分析的机械系统滚动轴承智能故障诊断方法 | |
| CN107016404A (zh) | 基于d‑s证据融合的风力发电机组故障预测方法 | |
| CN110376522B (zh) | 一种数据融合的深度学习网络的电机故障诊断方法 | |
| Wu et al. | Induction machine fault detection using SOM-based RBF neural networks | |
| CN102944418B (zh) | 一种风电机组叶片故障诊断方法 | |
| Li et al. | Enhanced generative adversarial networks for fault diagnosis of rotating machinery with imbalanced data | |
| CN109102005A (zh) | 基于浅层模型知识迁移的小样本深度学习方法 | |
| CN108168682A (zh) | 一种基于振动信号支持向量机的gil故障在线监测系统 | |
| CN113505655B (zh) | 面向数字孪生系统的轴承故障智能诊断方法 | |
| CN103558022B (zh) | 基于振动信号聚类的配电开关机械状态诊断方法 | |
| CN105891707A (zh) | 一种基于振动信号的万能式断路器分合闸故障诊断方法 | |
| CN103616635A (zh) | 一种高压断路器机械特性故障诊断装置及方法 | |
| CN106447039A (zh) | 基于自编码神经网络的无监督特征提取方法 | |
| CN109165604A (zh) | 基于协同训练的非侵入式负荷识别方法及其测试系统 | |
| CN105974265A (zh) | 一种基于svm分类技术的电网故障原因诊断方法 | |
| CN103115789A (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
| CN109284672A (zh) | 一种基于PSO-Kmeans算法的高压断路器机械故障诊断方法 | |
| CN103278326A (zh) | 风力发电机组齿轮箱的故障诊断方法 | |
| CN107328560A (zh) | 一种有载分接开关诊断方法及装置 | |
| CN109858503A (zh) | 基于梯度提升决策树的牵引变流器故障诊断方法 | |
| CN109214356A (zh) | 一种基于dcnn模型的风机传动系统故障智能诊断方法 | |
| CN112949402A (zh) | 极小故障样本量下行星齿轮箱故障诊断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121017 |