多尺度时空卷积深度信念网络的风力发电机故障诊断方法[CN202010197882.0] - 燕山大学

专利申请

2020-03-19
公布公告

2020-11-27
授权日期

2020-11-27
终止

2030-11-25

多尺度时空卷积深度信念网络的风力发电机故障诊断方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN202010197882.0 申请日期： 2020-03-19 专利主类别： G01R31/34 {{ classMap["G01R31/34"] }}

申请人名称：燕山大学

查看申请人名下所有专利

申请人地址：河北省秦皇岛市海港区河北大街西段438号

专利分类项目

G01R31/34 : 电机的测试

G06K9/62 : 应用电子设备进行识别的方法或装置

G06N3/04 : 体系结构，例如，互连拓扑

G06N3/08 : 学习方法

专利注册信息

初审公告期号	2020-03-19	初审公告日期	2020-11-27
注册公告期号	2020-11-27	注册公告日期	2020-11-27
专用权期限	2020-11-27 - 2030-11-25	专利类型	发明授权
代理组织机构	北京孚睿湾知识产权代理事务所查看该机构代理的所有专利

专利介绍

本发明提出一种多尺度时空卷积深度信念网络的风力发电机故障诊断方法，该方法利用SCADA多变量时间序列固有的时空相关性和交互性特性，设计具有不同卷积核结构的卷积深度信念网络以级联的方式捕获传感器变量间的时空相关性信息，同时以并行的方式在多个滤波器尺度下挖掘变量间交互互补的特征，上述技术手段融合了时空依赖性提取和多尺度特征学习方法，因此能够提取更为丰富的故障诊断信息，与传统的卷积深度信念网络模型及其变体相比，本发明能够增强分类性能，为风力发电机故障诊断领域提供了新的途径。

法律进度