摘要
本申请提供了一种发电机异常检测方法,涉及发电机故障诊断技术领域,该方法包括:进行模态分解和敏感特征提取,获得声敏感特征集和振动敏感特征集;搭建声信号网络和振动信号网络;对声信号网络和振动信号网络进行迭代聚类合并,输出降维声数据集和降维振动数据集;将降维声数据集和降维振动数据集分别输入故障分析单元,输出声预测故障类型和振动预测故障类型,进行交集运算得到故障诊断结果。通过本申请可以解决柴油发电机组故障诊断过程中,现有方法无法对大量监测数据中的关键特征进行有效筛选和提取,导致故障分析的难度较大,造成复合故障诊断的精准性和效率较差的技术问题,可以降低故障误诊概率,提高复合故障诊断的精准性和效率。
技术关键词
异常检测方法
振动特征
故障振动信号
邻域
网络
分析单元
柴油发电机组
粗糙度
数据
振动故障分析
样本
指标
分析模块
节点
聚类算法
矩阵
系统为您推荐了相关专利信息
整车网络拓扑
中央域控制器
智能驾驶汽车技术
激光雷达
车载诊断设备
三维地形数据
拉线
预警方法
三维可视化平台
光纤布拉格光栅传感器
分类识别模型
岩性快速识别方法
岩屑样品
岩性识别
光谱特征信息
环境风险预警
时序预测模型
节点特征
残差归一化
长短期记忆网络