Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 阳城国际发电有限责任公司李伟获国家专利权

阳城国际发电有限责任公司李伟获国家专利权

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!

龙图腾网获悉阳城国际发电有限责任公司申请的专利汽轮发电机组智能故障诊断方法、系统、设备及存储介质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:CN120492904B

龙图腾网通过国家知识产权局官网在2025-10-17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:202510991715.6,技术领域涉及:G06F18/213;该发明授权汽轮发电机组智能故障诊断方法、系统、设备及存储介质是由李伟;刘越强;冯孝峰;栗东;宋智鑫;刘林虎;冯苑佩斯;王瑞;武旭升;寇海荣;王劭刚;芮鑫;赵晋设计研发完成,并于2025-07-18向国家知识产权局提交的专利申请。

汽轮发电机组智能故障诊断方法、系统、设备及存储介质在说明书摘要公布了:本申请提供了一种汽轮发电机组智能故障诊断方法、系统、设备及存储介质,包括:通过多通道数据采集系统实时获取汽轮发电机组的运行状态数据和外部因素数据;对数据预处理后得到的原始数据进行多源特征提取,并对提取到的多源特征进行特征融合;根据预先构建好的智能故障诊断模型对汽轮发电机组的运行状态进行监测和故障诊断,其中,智能故障诊断模型是基于融合后的多源特征数据训练得到的深度学习神经网络模型。本申请解决了传统深度学习方法应用于汽轮发电机组故障检测时的数据缺失、稀疏和匮乏等问题,可实现对机组多部件多类型耦合故障的高精度监测、智能诊断预警,有效确保了机组稳定可靠运行。

本发明授权汽轮发电机组智能故障诊断方法、系统、设备及存储介质在权利要求书中公布了:1.一种汽轮发电机组智能故障诊断方法,其特征在于,包括: 通过多通道数据采集系统实时获取汽轮发电机组的运行状态数据和外部因素数据;其中,所述运行状态数据包括主机及辅机的机械状态数据、驱动状态数据和工艺状态数据; 对数据预处理后得到的原始数据进行多源特征提取,并对提取到的多源特征进行特征融合,包括: 对于机械状态特征,通过分析设备振动或运行数据中的局部趋势变化来提取,并基于局部均值变化率来捕捉设备状态的演变趋势; 假设设备振动信号为,通过以下步骤提取局部趋势特征: S201、计算局部均值:在一个滑动窗口内计算信号的局部均值: ; 式中,表示窗口宽度,表示位置处的局部均值; S202、根据局部均值计算得到局部均值变化率,此时的局部均值变化率反映机械设备的状态变化: ; 式中,表示时间间隔; 对于驱动状态特征,驱动状态特征直接反映了驱动系统对机械设备的影响,通过分析驱动信号与设备响应之间的交互关系精确地捕捉驱动状态,基于互信息量来量化驱动信号与设备响应信号之间的关系; 假设驱动信号为和设备响应信号为,互信息量计算公式如下: ; 其中,为驱动信号的熵,表示信号的不确定性;为响应信号的熵;为驱动信号与响应信号的联合熵; 通过计算,量化驱动信号对设备状态的影响,从而提取驱动特征; 对于工艺状态特征,工艺状态由操作条件和加工环境因素共同决定,通过构建动态约束模型,分析工艺参数对设备性能的影响,结合机器学习模型来识别不同工艺状态下的特征; 假设工艺参数为,其影响设备输出,通过构建动态约束模型来提取特征; 其中,动态约束方程如下: ; 式中,为模型参数,表示工艺条件对设备的影响; 通过历史数据,利用递归最小二乘法更新模型参数,并在实时监控中计算工艺状态特征: ; 通过模型参数的变化获取工艺状态的实时特征; 对于环境因素特征,基于空间-时间相关性分析提取外部因素特征,通过分析外部环境的时间变化与空间分布,得到外部因素对设备状态的影响; 假设外部因素为,每个因素随时间变化,采用空间-时间互相关来度量外部因素与设备状态之间的关系: ; 式中,表示外部因素与设备状态的互相关数,和分别表示外部因素和设备状态的均值; 通过分析不同时间窗口内的空间-时间相关性,提取外部因素对设备状态的影响特征; 根据得到的各特征,构建一个注意力网络来学习每个特征向量的重要性,根据得到的注意力权重,对所有特征进行加权求和,以得到融合特征; 根据预先构建好的智能故障诊断模型对汽轮发电机组的运行状态进行监测和故障诊断,其中,所述智能故障诊断模型是基于融合后的多源特征数据训练得到的深度学习神经网络模型,包括: 基于融合后的多源特征向量构建数据集,将数据集随机划分为训练集、测试集和验证集,并分别训练第一网络模型、第二网络模型和第三网络模型,得到每个模型对应的预测概率,在得到每个模型的预测概率后,根据加权系数进行加权求和,计算最终的预测概率进行最终的分类决策,进而得到汽轮发电机组的故障类别及置信度,具体公式如下: ; 其中,、、表示加权系数,满足条件++=1,、、分别为CNN、LSTM和XGoost模型对于类别的预测概率。

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阳城国际发电有限责任公司,其通讯地址为:048102 山西省晋城市阳城县北留镇园区中央大道188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”。

以上内容由龙图腾AI智能生成。

免责声明
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。