摘要
本发明涉及故障分析领域,包括一种基于大数据的电气设备故障分析方法和系统。本发明从历史库提取非盐雾环境启动电流频谱和稳态电流频谱,分别用一维卷积神经网络和二维卷积神经网络训练对应的故障诊断模型;获取实时启动电流频谱,环境参数、设备运行时长、盐雾腐蚀特征参数和导电离子电导率参数,对实时启动电流频谱进行补偿处理,消除由盐雾及其腐蚀产物腐蚀铜离子引起的伪谐振峰和基线偏移畸变,得到补偿启动电流频谱;启动阶段全频扫描识别故障概率权重,动态分配FPGA资源;运行阶段采集稳态频谱进行故障检测。本发明消除盐雾环境带来的影响,使故障误判率下降,资源占用率降低。
技术关键词
腐蚀特征参数
电气设备故障
故障诊断模型
二维卷积神经网络
一维卷积神经网络
电流
盐雾环境
分析方法
大数据
离子
稳态
频段
全局平均池化
故障检测
电阻
谐振
绝缘
校正单元
基线
系统为您推荐了相关专利信息
时域特征
频域特征
故障诊断模型
采集柴油机
门控循环单元
断路器故障监测
历史故障数据
机制
动触头行程
振动子
分布式数据集
智能电表故障诊断
故障检测模型
样本
深度神经网络架构
电池管理方法
故障诊断模型
单体电池
策略
电池管理系统