[發(fā)明專利]基于機(jī)器學(xué)習(xí)的葉根螺栓斷裂故障檢測(cè)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201710191583.4 | 申請(qǐng)日: | 2017-03-28 |
| 公開(公告)號(hào): | CN106870298B | 公開(公告)日: | 2020-04-07 |
| 發(fā)明(設(shè)計(jì))人: | 劉楊;陳亞楠;韓德海;閆慧麗 | 申請(qǐng)(專利權(quán))人: | 中車株洲電力機(jī)車研究所有限公司;南京天數(shù)智芯科技有限公司 |
| 主分類號(hào): | F03D17/00 | 分類號(hào): | F03D17/00;G06K9/62;G06N20/00 |
| 代理公司: | 南京鐘山專利代理有限公司 32252 | 代理人: | 戴朝榮 |
| 地址: | 412001*** | 國(guó)省代碼: | 湖南;43 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 機(jī)器 學(xué)習(xí) 螺栓 斷裂 故障 檢測(cè) 方法 | ||
1.一種基于機(jī)器學(xué)習(xí)的葉根螺栓斷裂故障檢測(cè)方法,其特征在于:包括如下步驟:
一、對(duì)已知的風(fēng)機(jī)數(shù)據(jù)進(jìn)行預(yù)處理包括:刪除風(fēng)機(jī)中特征數(shù)據(jù)處于異常范圍的數(shù)據(jù);并對(duì)預(yù)處理后的風(fēng)機(jī)數(shù)據(jù)進(jìn)行降采樣包括:對(duì)每臺(tái)風(fēng)機(jī)的數(shù)據(jù)進(jìn)行間隔設(shè)定時(shí)間采集并取平均值;
二、對(duì)降采樣后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,并刪除標(biāo)準(zhǔn)化處理后數(shù)據(jù)中的無(wú)效特征且對(duì)剩余所有特征進(jìn)行PCA降維,使得最終模型輸入共7個(gè)維度;
三、利用降維之后的數(shù)據(jù)構(gòu)建基于BP算法的多層感知器模型;
四、使用構(gòu)建好的多層感知器模型預(yù)測(cè)風(fēng)機(jī)的當(dāng)前狀態(tài)是否處于故障狀態(tài);
在所述對(duì)降采樣后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化步驟中具體包括:
對(duì)輪轂轉(zhuǎn)、機(jī)艙與風(fēng)向偏差、變槳角度、變槳電機(jī)電流、發(fā)電機(jī)轉(zhuǎn)速、偏航電機(jī)電流、Hmi限功和控制器主狀態(tài)使用歸一化;
對(duì)變槳速度使用最大絕對(duì)值標(biāo)準(zhǔn)化;
對(duì)風(fēng)速、變流器、轉(zhuǎn)矩反饋和偏航功率進(jìn)行穩(wěn)健標(biāo)準(zhǔn)化。
2.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的葉根螺栓斷裂故障檢測(cè)方法,其特征在于:在所述對(duì)已知的風(fēng)機(jī)數(shù)據(jù)進(jìn)行預(yù)處理的步驟中具體處理包括:刪除風(fēng)機(jī)中特征數(shù)據(jù)處于異常范圍的數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的葉根螺栓斷裂故障檢測(cè)方法,其特征在于:在所述對(duì)預(yù)處理后的風(fēng)機(jī)數(shù)據(jù)進(jìn)行降采樣步驟中具體包括:對(duì)每臺(tái)風(fēng)機(jī)的數(shù)據(jù)進(jìn)行間隔設(shè)定時(shí)間采集并取平均值。
4.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的葉根螺栓斷裂故障檢測(cè)方法,其特征在于:所述對(duì)降維之后的數(shù)據(jù)構(gòu)建多層感知器模型步驟具體包括:
采用的多層感知器搭建參數(shù)為:所采用的多層感知機(jī)模型為單隱層結(jié)構(gòu),動(dòng)量因子設(shè)定為默認(rèn)值,優(yōu)化算法選擇自適應(yīng)梯度下降算法;
而且,多層感知器模型輸入特征為7維,輸出結(jié)果為:是否故障的判斷。
5.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的葉根螺栓斷裂故障檢測(cè)方法,其特征在于:所述使用構(gòu)建好的模型預(yù)測(cè)風(fēng)機(jī)的當(dāng)前狀態(tài)是否處于故障狀態(tài)具體包括:對(duì)待測(cè)風(fēng)機(jī)當(dāng)前狀態(tài)數(shù)據(jù)根據(jù)步驟1-2處理之后輸入已構(gòu)建好的模型,求得當(dāng)前狀態(tài)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中車株洲電力機(jī)車研究所有限公司;南京天數(shù)智芯科技有限公司,未經(jīng)中車株洲電力機(jī)車研究所有限公司;南京天數(shù)智芯科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710191583.4/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





