基于特征融合的风机齿轮箱动态集成故障检测方法及系统

AITNT
正文
推荐专利
基于特征融合的风机齿轮箱动态集成故障检测方法及系统
申请号:CN202511080573
申请日期:2025-08-04
公开号:CN120579151B
公开日期:2025-09-23
类型:发明专利
摘要
本申请提供了基于特征融合的风机齿轮箱动态集成故障检测方法及系统,涉及数据处理技术领域,该方法包括:得到各个初步特征集;对所述各个初步特征集进行特征与特征、特征‑故障非线性关系量化,得到各个初筛特征集;分析各个初筛特征集中每个特征的贡献度,执行特征精筛,生成各个精筛特征集;调用多代理集成故障检测系统,基于所述各个精筛特征集执行自底向上的多层代理信息共享和协同决策,生成风机齿轮箱故障检测信息。通过本申请解决了现有技术中由于缺乏对特征的深度挖掘,且依赖单机诊断系统,导致故障检测准确性不高的技术问题,通过构建多代理集成故障检测系统,显著降低误报率、漏报率,达到提升故障检测准确性的技术效果。
技术关键词
风机齿轮箱 集成故障 深度特征提取 故障分析模型 一维卷积神经网络 故障记录数据 频域特征 非线性 动态 冗余特征 融合注意力机制 故障检测模块 系统级 传感器 关系 决策 特征提取模块
系统为您推荐了相关专利信息
1
一种基于优化域的输电网连锁故障风险评估装置及方法
连锁故障分析模型 连锁故障风险 断开阈值电压 发电机 节点导纳矩阵
2
多源视觉感知的车辆目标协同检测与ID跨视角分配方法
视角 高维特征向量 标签文件 匈牙利算法 视觉
3
基于MS-PCNet的空间目标单视图ISAR三维重构方法
三维重构方法 图像 网络架构 点云特征 深度特征提取
4
基于数字孪生及时空特征融合的跨域结构损伤识别方法
结构损伤识别方法 时空特征学习 数字孪生模型 空间特征提取 时域特征提取
5
基于SimCLR的BCG信号自监督特征提取与睡眠质量评估方法
神经网络结构 传感器设备 一维卷积神经网络 信号特征 构建分类器
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