淮阴工学院付丽辉获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉淮阴工学院申请的专利基于组群式稀疏自编码及群智能的电机故障检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114839531B 。
龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210583840.X,技术领域涉及:G01R31/34;该发明授权基于组群式稀疏自编码及群智能的电机故障检测方法是由付丽辉;王业琴设计研发完成,并于2022-05-25向国家知识产权局提交的专利申请。
本基于组群式稀疏自编码及群智能的电机故障检测方法在说明书摘要公布了:本发明公开了一种基于组群式稀疏自编码及群智能的电机故障检测方法,包括:(1)针对直流电机故障信号,通过张力控制器的输出电流控制磁粉制动器实现对电机负载转矩的调节,采集电机故障信号;(2)建立一种组群式稀疏自编码器实现框架,并使用M‑M方法求解,利用该稀疏特征提取网络对原始输入电机故障数据进行特征提取;(3)对群智能算法进行改进,提出SS‑PSO算法;(4)建立SS‑PSO‑ANN深度分类器模型;(5)针对基于组群式稀疏自编码器实现框架网络提取出的优质稀疏特征,利用SS‑PSO‑ANN分类器进行电机故障的有效诊断。本发明针对直流电机匝间短路与转子退磁的常见故障,实现电机的自主故障诊断,从而避免由于故障影响电机的运行效率甚至损毁电机造成事故的情况。
本发明授权基于组群式稀疏自编码及群智能的电机故障检测方法在权利要求书中公布了:1.一种基于组群式稀疏自编码及群智能的电机故障检测方法,其特征在于,包括如下步骤: 步骤1,采集来自电机的故障信号,包括电机正常状态、绕组匝间短路、转子局部退磁三类情况下的直流母线电流和相电流,建立以故障数据为基础的故障案例库; 步骤2,建立一种组群式稀疏自编码器GSAE实现框架,并使用Majorization-MinimizationM-M方法求解,利用该稀疏特征提取网络对原始输入电机故障数据进行特征提取;所述组群式稀疏自编码器实现框架具体如下: 1设定输入参数及类别 设X为输入数据,则: X={X1,…,Xc} 其中,X1是第一类class1,X2是第二类class2,c是类的数量,{n1,n2,…nc}是每一类中的数据点数,数据组织的规则是:属于类别1的列最先出现,然后是类别2的数据列,依此类推,一直到最后类别c的数据列; 2定义损失函数 引入基于正则化的l2,1-范数来定义损失函数,定义如下: 其中,||·||2,1=∑j|||Zj→|||2是l2-范数的行之和,由j指定;φ是一个非线性激活函数,W和U分别是编码和解码权重,λ为参数,因此,第二项的l2,1-范数适用于两种情况,即φWX或仅适用于WX; 步骤3,对群智能算法进行改进,实现综合自身及社会因素的粒子群算法SS-PSO;所述SS-PSO算法通过随机方式使用其他子群最优位置gbest,并保留每个子群自身最优位置gbest,同时将两种最优位置用于子群中粒子的速度与最优位置的更新; 所述SS-PSO算法完整更新公式如下: 其中,β1=1-η,β2=η,η为0,1之间的随机数;β1为小于1的线性递减函数;β2为小于1的线性递增函数;w称为惯性权重,c1和c2称为学习因子,r1,r2∈0,1为两个独立的随机数,vit,vit+1是第i个粒子在第t及t+1次迭代的速度,xit,xit+1是其在第t及第t+1次迭代的位置,pbest为粒子最优位置,gbest为子群自身最优位置; 同时定义其适应度函数为: 其中,O为目标输出向量,Y为网络的实际输出向量; 步骤4,建立SS-PSO-ANN深度分类器模型,利用改进粒子群算法SS-PSO对ANN网络权值及阈值进行优化处理; 步骤5,针对基于GSAE网络提取出的优质稀疏特征,利用SS-PSO-ANN分类器进行电机故障的有效诊断。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人淮阴工学院,其通讯地址为:223000 江苏省淮安市经济技术开发区枚乘东路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。