基于相空间张量高阶奇异值分解的OLTC故障诊断方法

AITNT
正文
推荐专利
基于相空间张量高阶奇异值分解的OLTC故障诊断方法
申请号:CN202511045838
申请日期:2025-07-29
公开号:CN120541623A
公开日期:2025-08-26
类型:发明专利
摘要
基于相空间张量高阶奇异值分解的OLTC故障诊断方法,涉及有载分接开关故障诊断技术领域,用于利用多测点振动信号的特征信息,实现OLTC机械故障的精确诊断。包括步骤:S1、OLTC振动信号相空间张量表示;S2、基于高阶奇异值分解HOSVD分解相空间张量;S3、基于OLTC相空间张量分解,提取核心张量C;S4、构建基于CNN‑Transformer的OLTC故障诊断模型进行故障类型识别。本发明能够有效提取多通道振动信号的特征,并在多个典型机械故障场景下实现高达95%的总识别准确率,尤其对传动齿轮卡涩故障达到了100%的识别准确率。
技术关键词
高阶奇异值分解 故障诊断方法 振动加速度传感器 矩阵 故障诊断模型 核心 典型机械故障 延迟参数 解码器 编码器 有载分接开关 重构 故障诊断技术 信号 前馈神经网络 表征系统 多通道 注意力机制 采样点 轨迹
系统为您推荐了相关专利信息
1
基于多代理深度强化学习的综合能源竞价模型分析方法
模型分析方法 深度强化学习 电力公司 深度学习方法 强化学习方法
2
基于双层非线性模型的需求响应-TCSC配置策略优化方法
策略优化方法 节点边际电价 非线性 价格型需求响应 激励型需求响应
3
一种基于CV大模型的施工安全监测方法及系统
空间分析模型 监测方法 周期 轮廓系数 深基坑开挖
4
一种基于MSCKF的激光雷达惯性里程计融合方法
静态特征 关键帧 惯性里程计 融合方法 坐标系
5
一种电力系统多电力灾害预测方法、系统及介质
灾害预测方法 电力系统 因子 多时间尺度 多头注意力机制
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号