龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：淮阴工学院
摘要：本发明公开了一种风电机组少样本故障趋势预警方法及系统，所述方法包括：使用传感器监测风电机组的参数，形成参数样本；制定故障并识别；根据少样参数样本，使用改进的GAN模型生成与原始数据相似的高质量新样本；增强样本参数，并送至改进的TEMPO模型进行4小时‑16步故障预测波形；通过原型聚类预处理的极限学习机算法对输出的多变量波形进行故障识别，所述系统包括数据采集模块、数据增强和样本生成模块、故障预测模块、数据可视化和故障诊断模块。本发明提高了网络的鲁棒性有助于减轻梯度消失和梯度爆炸的问题和加速神经网络的收敛速度，集成正态云模型策略和柯西变异策略的引进对算法最优解进行更新迭代优化，提高了EDO算法的全局搜索能力。
主权项：1.一种风电机组少样本故障趋势预警方法，其特征在于，包括如下步骤：1使用传感器监测风电机组的振动情况、摆度、声纹、温度、电压、电流以及油温参数，形成参数样本；2根据传感器感知到的参数情况，制定机械故障、液压系统故障、电气故障以及气象故障这四种故障，并进行故障模块识别；3根据传感器感知到的少样参数样本，使用改进的GAN模型生成与原始数据相似的高质量新样本，从而增强训练集的数据；4通过改进的GAN模型数据增强样本参数，使其成为多样参数样本，并送至改进的TEMPO模型进行4小时-16步故障预测波形；5IMTBO算法包括采用精英反向学习策略初始化登山队员个体，通过计算当前解的反向解来扩大搜索范围；采用集成正态云模型策略替换原始登山队算法的协助登山位置更新公式，进一步提高算法的局部开发能力；采用柯西变异策略替换原始登山队优化算法的随机替换成员阶段。6通过原型聚类预处理的极限学习机算法对步骤4输出的多变量波形进行故障识别，并对应步骤2制定故障分类，最后将风电机组的故障异常及结果发送于云数据中心。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种风电机组少样本故障趋势预警方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号