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
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
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
空间分析模型
监测方法
周期
轮廓系数
深基坑开挖
灾害预测方法
电力系统
因子
多时间尺度
多头注意力机制