CN107748557A - 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 - Google Patents
一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 Download PDFInfo
- Publication number
- CN107748557A CN107748557A CN201711011108.0A CN201711011108A CN107748557A CN 107748557 A CN107748557 A CN 107748557A CN 201711011108 A CN201711011108 A CN 201711011108A CN 107748557 A CN107748557 A CN 107748557A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- database
- module
- data
- fault
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统,包括智能数据库模块、数据信息采集模块、时域分析与故障特征提取模块、故障识别模块和人机交互界面。智能数据库模块,包含基于SQL的船舶综合电力推进系统数据库,包括电机智能数据库、传感器智能数据库、变频器智能数据库、逆变器智能数据库和螺旋桨智能数据库;数据信息采集模块,包括三轴加速度计和FPGA模块;故障识别模块,包括离线训练部分和在线识别部分;人机交互界面与智能数据库模块连接,显示智能数据库模块发送的数据,并对智能数据库发送操作指令。本发明具有良好人机交互界面,操作简便,诊断过程及结果显示简洁直观,且执行效率和故障诊断精确度高。
Description
技术领域
本发明属于船舶综合电力推进系统故障诊断领域,尤其涉及一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统。
背景技术
船舶综合电力推进系统是指采用电动机械带动螺旋桨来推动船舶运动的推进方式,与传统的机械推进方式相比较,采用电力推进的船舶在经济性、振动、噪声、船舶操纵、布置和安全可靠性等方面具有明显优点。作为船舶的重要组成部分之一,它能否正常运行对船舶的安全和保障具有十分重大的意义,所以如何快速精确的对船舶综合电力推进系统发生的故障进行诊断和检修,就成为了船舶维护的重要内容。船舶综合电力推进系统的组成结构复杂多样,包括了配电系统、变压器、电动机、螺旋桨等,系统构成复杂,自动化程度高,一旦发生故障,会对舰船的正常运作产生较大的危害,而尽快定位故障并使系统恢复正常,它对保证船舶综合电力推进系统的稳定工作具有非常重要的意义。如单单依靠技术人员对电力推进系统进行维修,既不能保证故障定位的快速性,又不能保证故障可以得到快速的排除,、因此如何实时、准确、有效的对船舶综合电力推进系统进行故障诊断是当前亟待解决的问题。
现有研究中多数是针对船舶综合电力推进系统中单一部分进行诊断,没有形成整体的故障诊断体系,本发明开发了一种基于LabVIEW平台的船舶综合电力推进系统智能故障诊断系统,具有良好人机交互界面,操作简便,诊断过程及结果显示简洁直观,且执行效率和故障诊断精确度高,在很大程度上提高了船舶综合电力推进系统故障诊断的能力。
发明内容
本发明的目的在于提供一种实时性好、精确诊断船舶综合电力推进系统综合故障的基于LabVIEW的船舶综合电力推进系统智能故障诊断系统。
本发明的目的是这样实现的,一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统,包括智能数据库模块、数据信息采集模块、时域分析与故障特征提取模块、故障识别模块和人机交互界面。
智能数据库模块,包含基于SQL的船舶综合电力推进系统数据库,包括电机智能数据库、传感器智能数据库、变频器智能数据库、逆变器智能数据库和螺旋桨智能数据库;上述各个子智能数据库分别包括设备运行数据库、知识库、历史故障信息库、特征库、专家经验库;
数据信息采集模块,包括三轴加速度计和FPGA模块;时域分析与故障特征提取模块;故障识别模块,包括离线训练部分和在线识别部分;人机交互界面;
数据信息采集模块的三轴加速度计安装至船舶综合电力推进系统,将实时采集得到数据传输至FPGA模块;数据经FPGA模块处理后,传输至智能数据库模块;
人机交互界面与智能数据库模块连接,显示智能数据库模块发送的数据,并对智能数据库发送操作指令;所述操作指令包括数据库名称查询、时间节点查询、添加数据和删除数据;
时域分析与故障特征提取模块与智能数据库模块连接,处理智能数据库模块发送的数据,得到数据的时域参数和故障特征向量,并存储至智能数据库模块;所述数据的时域参数包括均值、方差、均方值、峰值、峰度、裕度因子、脉冲因子;
故障识别模块,包括离线训练部分和在线识别部分;所述离线训练部分的训练流程包括如下子步骤:(1)创建神经网络模型;(2)使用样本数据训练神经网络,调节神经网络参数,更改网络结构,直到达到误差阈值;(3)将训练好的神经网络的权值存入智能数据库中的知识库中;
所述在线识别部分工作时,调用智能数据库中的知识库中的网络结构和权值,结合专家库中的数据,实现故障诊断,并显示在人机交互界面上。
进一步的,所述故障特征向量的计算方法为:
首先采用经验模态分解方法对采集的振动信号进行分解,将信号分解为n组固有模态函数(Intrinsic Mode Function,IMF)分量和残余函数,表示为
其中,x0(t)表示所采集的振动信号,ci表示第i个IMF分量,Res为残余函数。接着,分别按下式求取n阶IMF分量c1,c2,...,cn和残余函数Res的能量矩,表达式为
Ei=∫t|ci|2dt,i=1,2,...,n
ER=∫t|Res|2dt
式中,Ei为ci的能量矩;ER为残余函数Res的能量矩;
最后,将{E1,E2,...,En,ER}归一化,并存放于特征库中。
本发明的有益效果在于,具有良好人机交互界面,操作简便,诊断过程及结果显示简洁直观,且执行效率和故障诊断精确度高,在很大程度上提高了船舶综合电力推进系统故障诊断的能力。
附图说明
图1智能数据库结构图;
图2故障特征提取流程图;
图3神经网络构建流程图;
图4泛函模糊神经网络结构图;
图5系统整体结构图。
具体实施方法
下面结合附图对本发明进行进一步具体说明。
如图1-图5所述,一种基于LabVIEW平台的船舶综合电力推进系统智能故障诊断系统,包括智能数据库模块、数据信息采集模块、时域分析与故障特征提取模块、故障识别模块和人机交互界面。
1.智能数据库模块
结合图1,建立基于SQL的船舶综合电力推进系统数据库,其中包括电机智能数据库、传感器智能数据库、变频器智能数据库、逆变器智能数据库、螺旋桨智能数据库,实现对不同设备的故障数据有效地分类管理。对于每个子智能数据库分别建立下属数据库,包括设备运行数据库,存储设备当前运行数据,用于在上位机中实时显示系统当前的运行状态;特征库,存放时域分析与故障特征提取模块处理后的数据,用于之后的故障识别;知识库,用于存放训练好的神经网络的权值,网络结构,待故障识别时调用,也便于之后根据具体情况随时调整修改;历史故障信息库,存放系统历史故障信息,便于对故障分析与排查;专家经验库,存放与故障识别模块输出的二进制数相对应的故障以及与故障对应的故障解决办法,对故障发生后的处理方式提供迅速有效地帮助。每个子数据库均可对有效的故障数据及时保存,并且在某些历史数据不再需要时给予删除,实现数据库容量的合理利用。智能数据库内数据均按时间排序,在使用LabVIEW搭建的人机交互界面上可根据对应数据库名称和时间节点查询、添加、删除数据,可查询历史故障及故障处理方法,判断系统当前的运行状态,为之后的故障决策提供参考。
2.数据信息采集模块
使用通用三轴加速度计对各部分设备正常状态和故障状态时的信号进行实时采集,通过LabVIEW FPGA模块对中频数字化仪的编程控制对上述信号进行采集,对仪器进行编程并进行相关的参数配置,之后在数字化仪中对采集的数据进行消噪预处理,再将实时采集到的并经过FPGA处理的数据送入上位机,将信号存储在智能数据库中,并在上位机中使用LabVIEW搭建人机交互界面,进行实时显示。
3.时域分析与故障特征提取模块
该模块分为时域分析和故障特征提取两个部分,均通过LabVIEW平台实现。
时域分析部分是按照一定时间间隔统计振动信号的时域信号参数,包括均值、方差、均方值、峰值、峰度、裕度因子、脉冲因子等,存入智能数据库中的特征库,便于监控整体系统运行状态,及时发现系统异常,为故障分析做准备。
结合图2,故障特征提取部分步骤描述如下。首先采用经验模态分解方法对采集的振动信号进行分解,将信号分解为n组IMF分量和残余函数,表示为
其中,x0(t)表示所采集的振动信号,ci表示第i个IMF分量,Res为残余函数。接着,分别按下式求取n阶IMF分量c1,c2,...,cn和1阶残余函数Res的能量矩。
Ei=∫t|ci(t)|2dt,i=1,2,...,n
ER=∫t|Res|2dt
最后,将计算好的{E1,E2,...,En,ER}归一化,并存放于特征库中,用于之后的故障识别。
4.基于泛函模糊神经网络的故障识别模块
结合图3,设计一种用于船舶综合电力推进系统的泛函模糊神经网络。在LabVIEW平台上,通过MATLAB节点控件实现。该模块的建立分为离线训练部分和在线识别部分。
离线训练部分包括以下步骤:
(1)构建神经网络模型,输入层个数为特征库中每组能量矩中向量的个数,输出为该设备的工作状态,通过二进制数表示,网络具体结构如图4所示。
(2)使用设备正常状态和各种典型故障下的数据,通过说明3中所述的步骤组成训练样本,对构建的神经网络模型进行训练,调整网络权值,更改网络结构,直到网络满足所要求的精度。
(3)将训练好的网络结构和权值存入知识库中,待在线识别时直接调用。
在线识别时自动调用知识库中的网络结构和权值,构建对应的神经网络模型,输出结果为二进制数,会自动结合专家库中的数据总结为对应的故障,最终显示在人机交互界面上。
5.人机交互界面
所述的人机交互界面与所述的智能数据库模块相连接,可通过智能数据库间接对数据信息采集模块、时域分析与故障特征提取模块和故障识别模块操作。使用LabVIEW搭建人机交互界面,创建LabVIEW与SQL数据库访问接口,通过LabVIEW直接访问在SQL搭建的智能数据库,实现了监测数据的实时记录,或存储数据用于离线的处理。利用用户图形界面编写可视化窗口,用来在线实时监测系统的运行状态,显示其时域变化曲线;通过LabVIEW中图形化编辑语言G编写程序可实现在人机交互界面上查看智能数据库中数据,显示故障特征分析与提取以及故障识别的结果,故障发生时发出故障警报,并可对数据进行查询、添加、删除工作,亦可对数据库的结构做出调整,添加或删除数据库。
Claims (2)
1.一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统,包括智能数据库模块、数据信息采集模块、时域分析与故障特征提取模块、故障识别模块和人机交互界面;其特征在于,
智能数据库模块,包含基于SQL的船舶综合电力推进系统数据库,包括电机智能数据库、传感器智能数据库、变频器智能数据库、逆变器智能数据库和螺旋桨智能数据库;上述各个子智能数据库分别包括设备运行数据库、知识库、历史故障信息库、特征库、专家经验库;
数据信息采集模块,包括三轴加速度计和FPGA模块;时域分析与故障特征提取模块;故障识别模块,包括离线训练部分和在线识别部分;
数据信息采集模块的三轴加速度计安装至船舶综合电力推进系统,将实时采集得到数据传输至FPGA模块;数据经FPGA模块处理后,传输至智能数据库模块;
人机交互界面与智能数据库模块连接,显示智能数据库模块发送的数据,并对智能数据库发送操作指令;所述操作指令包括数据库名称查询、时间节点查询、添加数据和删除数据;
时域分析与故障特征提取模块与智能数据库模块连接,处理智能数据库模块发送的数据,得到数据的时域参数和故障特征向量,并存储至智能数据库模块;所述数据的时域参数包括均值、方差、均方值、峰值、峰度、裕度因子、脉冲因子;
故障识别模块,包括离线训练部分和在线识别部分;所述离线训练部分的训练流程包括如下子步骤:(1)创建神经网络模型;(2)使用样本数据训练神经网络,调节神经网络参数,更改网络结构,直到达到误差阈值;(3)将训练好的神经网络的权值存入智能数据库中的知识库中;所述在线识别部分工作时,调用智能数据库中的知识库中的网络结构和权值,结合专家库中的数据,实现故障诊断,并显示在人机交互界面上。
2.如权利要求1所述的一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统,其特征在于,所述故障特征向量的计算方法为:
首先采用经验模态分解方法对采集的振动信号进行分解,将信号分解为n组IMF分量和残余函数,表示为
<mrow>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mi>Re</mi>
<mi>s</mi>
</mrow>
其中,x0(t)表示所采集的振动信号,ci表示第i个IMF分量,Res为残余函数。接着,分别按下式求取n阶IMF分量c1,c2,...,cn和残余函数Res的能量矩,表达式为
Ei=∫t|ci|2dt,i=1,2,...,n
ER=∫t|Res|2dt
式中,Ei为ci的能量矩;ER为残余函数Res的能量矩;
最后,将{E1,E2,...,En,ER}归一化,并存放于特征库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711011108.0A CN107748557B (zh) | 2017-10-26 | 2017-10-26 | 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711011108.0A CN107748557B (zh) | 2017-10-26 | 2017-10-26 | 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107748557A true CN107748557A (zh) | 2018-03-02 |
CN107748557B CN107748557B (zh) | 2020-05-15 |
Family
ID=61253264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711011108.0A Active CN107748557B (zh) | 2017-10-26 | 2017-10-26 | 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107748557B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117784A (zh) * | 2018-08-08 | 2019-01-01 | 上海海事大学 | 一种改进经验模态分解的船舶电力推进系统故障诊断方法 |
CN109143867A (zh) * | 2018-09-26 | 2019-01-04 | 上海海事大学 | 一种基于神经网络控制的混合动力船舶的能量管理方法 |
CN109271936A (zh) * | 2018-09-18 | 2019-01-25 | 哈尔滨工程大学 | 基于感知哈希算法的飞机振动故障数据库构建与检索方法 |
CN109407635A (zh) * | 2018-11-06 | 2019-03-01 | 哈尔滨工程大学 | 一种船舶综合电力推进安全控制系统智能体系结构 |
CN109726505A (zh) * | 2019-01-14 | 2019-05-07 | 哈尔滨工程大学 | 一种基于智能故障树的锻压机床主传动机构故障诊断系统 |
CN109946075A (zh) * | 2018-12-25 | 2019-06-28 | 东北大学 | 一种轴承状态监测及故障诊断方法 |
CN109947074A (zh) * | 2019-01-21 | 2019-06-28 | 江苏科技大学 | 一种基于Dspace的船舶岸电系统故障诊断平台 |
CN112329825A (zh) * | 2020-10-23 | 2021-02-05 | 贵州电网有限责任公司 | 基于信息分维及提升决策树的变压器机械故障诊断方法 |
CN113820624A (zh) * | 2021-09-30 | 2021-12-21 | 南方电网科学研究院有限责任公司 | 一种配电网高阻接地故障识别装置 |
CN116552742A (zh) * | 2023-05-10 | 2023-08-08 | 广东海洋大学 | 一种船舶动力系统的故障检测模拟系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7974749B2 (en) * | 2006-07-21 | 2011-07-05 | GM Global Technology Operations LLC | Belt slip diagnostic system for accessory and hybrid electric drives |
RU2451299C1 (ru) * | 2010-10-07 | 2012-05-20 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Устройство диагностирования в реальном времени системы электродвижения судна |
CN104121949A (zh) * | 2014-08-18 | 2014-10-29 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统状态监测方法 |
CN104331543A (zh) * | 2014-10-17 | 2015-02-04 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统故障诊断专家系统和建立方法 |
CN106347578A (zh) * | 2016-10-27 | 2017-01-25 | 江苏科技大学 | 一种船舶推进轴系轴承振动故障监测方法 |
-
2017
- 2017-10-26 CN CN201711011108.0A patent/CN107748557B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7974749B2 (en) * | 2006-07-21 | 2011-07-05 | GM Global Technology Operations LLC | Belt slip diagnostic system for accessory and hybrid electric drives |
RU2451299C1 (ru) * | 2010-10-07 | 2012-05-20 | Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации | Устройство диагностирования в реальном времени системы электродвижения судна |
CN104121949A (zh) * | 2014-08-18 | 2014-10-29 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统状态监测方法 |
CN104331543A (zh) * | 2014-10-17 | 2015-02-04 | 中国船舶重工集团公司第七一二研究所 | 一种船舶电力推进系统故障诊断专家系统和建立方法 |
CN106347578A (zh) * | 2016-10-27 | 2017-01-25 | 江苏科技大学 | 一种船舶推进轴系轴承振动故障监测方法 |
Non-Patent Citations (1)
Title |
---|
罗黎: "神经网络在船舶电力推进系统故障诊断中的应用", 《舰船科学技术》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117784A (zh) * | 2018-08-08 | 2019-01-01 | 上海海事大学 | 一种改进经验模态分解的船舶电力推进系统故障诊断方法 |
CN109117784B (zh) * | 2018-08-08 | 2024-02-02 | 上海海事大学 | 一种改进经验模态分解的船舶电力推进系统故障诊断方法 |
CN109271936A (zh) * | 2018-09-18 | 2019-01-25 | 哈尔滨工程大学 | 基于感知哈希算法的飞机振动故障数据库构建与检索方法 |
CN109271936B (zh) * | 2018-09-18 | 2021-09-24 | 哈尔滨工程大学 | 基于感知哈希算法的飞机振动故障数据库构建与检索方法 |
CN109143867A (zh) * | 2018-09-26 | 2019-01-04 | 上海海事大学 | 一种基于神经网络控制的混合动力船舶的能量管理方法 |
CN109407635B (zh) * | 2018-11-06 | 2021-07-16 | 哈尔滨工程大学 | 一种船舶综合电力推进安全控制系统智能体系结构 |
CN109407635A (zh) * | 2018-11-06 | 2019-03-01 | 哈尔滨工程大学 | 一种船舶综合电力推进安全控制系统智能体系结构 |
CN109946075A (zh) * | 2018-12-25 | 2019-06-28 | 东北大学 | 一种轴承状态监测及故障诊断方法 |
CN109726505A (zh) * | 2019-01-14 | 2019-05-07 | 哈尔滨工程大学 | 一种基于智能故障树的锻压机床主传动机构故障诊断系统 |
CN109947074A (zh) * | 2019-01-21 | 2019-06-28 | 江苏科技大学 | 一种基于Dspace的船舶岸电系统故障诊断平台 |
CN112329825A (zh) * | 2020-10-23 | 2021-02-05 | 贵州电网有限责任公司 | 基于信息分维及提升决策树的变压器机械故障诊断方法 |
CN112329825B (zh) * | 2020-10-23 | 2022-12-06 | 贵州电网有限责任公司 | 基于信息分维及提升决策树的变压器机械故障诊断方法 |
CN113820624A (zh) * | 2021-09-30 | 2021-12-21 | 南方电网科学研究院有限责任公司 | 一种配电网高阻接地故障识别装置 |
CN113820624B (zh) * | 2021-09-30 | 2024-04-16 | 南方电网科学研究院有限责任公司 | 一种配电网高阻接地故障识别装置 |
CN116552742A (zh) * | 2023-05-10 | 2023-08-08 | 广东海洋大学 | 一种船舶动力系统的故障检测模拟系统 |
CN116552742B (zh) * | 2023-05-10 | 2024-06-21 | 广东海洋大学 | 一种船舶动力系统的故障检测模拟系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107748557B (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748557A (zh) | 一种基于LabVIEW的船舶综合电力推进系统智能故障诊断系统 | |
Tang et al. | An improved convolutional neural network with an adaptable learning rate towards multi-signal fault diagnosis of hydraulic piston pump | |
CN104331543B (zh) | 一种船舶电力推进系统故障诊断专家系统和建立方法 | |
CN110633855A (zh) | 一种桥梁健康状态检测与管养决策系统及方法 | |
CN103499921B (zh) | 变结构模糊系统传感器故障诊断方法 | |
CN100442063C (zh) | 分布式智能电机监测系统 | |
CN103901882B (zh) | 一种列车动力系统在线监控故障诊断的系统及其方法 | |
CN104932519B (zh) | 基于专家知识的无人机飞行指挥辅助决策系统及其设计方法 | |
CN108520080A (zh) | 船舶柴油发电机故障预测与健康状态在线评估系统及方法 | |
CN107066759A (zh) | 一种汽轮机转子振动故障诊断方法及装置 | |
CN110163075A (zh) | 一种基于权值训练的多信息融合故障诊断方法 | |
CN108519769A (zh) | 一种基于规则的飞控系统故障诊断方法 | |
CN113339204B (zh) | 一种基于混合神经网络的风力发电机故障识别方法 | |
CN113076625A (zh) | 一种舰船柴油发电机组健康管理系统及其工作方法 | |
CN110597235A (zh) | 一种通用智能故障诊断方法 | |
CN112508242A (zh) | 一种风力发电机轴承故障定位及分类模型的构建方法 | |
Peng et al. | Review of key technologies and progress in industrial equipment health management | |
Yang et al. | Vibration signal augmentation method for fault diagnosis of low-voltage circuit breaker based on W-CGAN | |
Hu et al. | Railway switch machine fault diagnosis considering sensor abnormality scenarios | |
CN110908306A (zh) | 一种基于物联网的水电机组可靠性监控系统 | |
Guihang et al. | Application for diesel engine in fault diagnose based on fuzzy neural network and information fusion | |
CN113627268A (zh) | 模型训练方法、矿井提升机用减速器故障检测方法和装置 | |
Chen et al. | Application of artificial neural network to failure diagnosis on process industry equipments | |
Zhao et al. | Remote intelligent expert system for operation state of marine gas turbine engine | |
CN114320773B (zh) | 一种基于功率曲线分析与神经网络的风电机组故障预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |