買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜三峽智能工程有限公司申請的專利基于振動信號的抽水蓄能機組故障診斷方法、系統及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119226956B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411745573.7，技術領域涉及：G06F18/2431；該發明授權基于振動信號的抽水蓄能機組故障診斷方法、系統及介質是由鄧曉琴;李進;汪逸哲;張航;駢齊翔;吳思維;夏夢;楊剛;張海濤;譚業貴;王峰;張純康;林凡偉;朱斌設計研發完成，并于2024-12-02向國家知識產權局提交的專利申請。

本基于振動信號的抽水蓄能機組故障診斷方法、系統及介質在說明書摘要公布了：本發明提供基于振動信號的抽水蓄能機組故障診斷方法、系統及介質，通過收集抽水蓄能機組的正常振動信號和已知故障振動信號，并進行處理得到正常振動信號的融合特征向量樣本和已知故障振動信號的融合特征向量樣本；基于變分自編碼器，依據融合特征向量樣本，構建狀態單分類器和故障分類單元；基于鯨魚優化算法優化支持向量機，依據已知故障振動信號的融合特征向量樣本，構建對抽水蓄能機組已知故障的類型進行診斷的已知故障類型診斷模型；最后針對實時采集的抽水蓄能機組的振動信號，通過狀態單分類器、故障分類單元、已知故障類型診斷模型對抽水蓄能機組的故障進行診斷，大大提升了診斷的及時性和有效性。

本發明授權基于振動信號的抽水蓄能機組故障診斷方法、系統及介質在權利要求書中公布了：1.基于振動信號的抽水蓄能機組故障診斷方法，其特征在于，包括：收集抽水蓄能機組的正常振動信號和抽水蓄能機組已知故障振動信號；基于幅值域分析方法、傅里葉變換理論和一維卷積神經網絡，構建振動信號多維融合特征向量提取模型；通過振動信號多維融合特征向量提取模型，對抽水蓄能機組正常振動信號和抽水蓄能機組已知故障振動信號進行處理，提取得到抽水蓄能機組正常振動信號的融合特征向量樣本和抽水蓄能機組已知故障振動信號的融合特征向量樣本；依據抽水蓄能機組正常振動信號的融合特征向量樣本，基于變分自編碼器，構建用于識別抽水蓄能機組正常狀態和異常狀態的狀態單分類器；依據抽水蓄能機組已知故障振動信號的融合特征向量樣本，基于變分自編碼器，構建用于識別抽水蓄能機組已知故障和未知故障的故障分類單元；依據抽水蓄能機組已知故障振動信號的融合特征向量樣本，基于鯨魚優化算法優化支持向量機，構建對抽水蓄能機組已知故障類型進行診斷的已知故障類型診斷模型；在抽水蓄能機組運行時，實時采集抽水蓄能機組的振動信號，通過振動信號多維融合特征向量提取模型，提取得到抽水蓄能機組振動信號的融合特征向量樣本；將抽水蓄能機組振動信號的融合特征向量樣本輸入至狀態單分類器中，對抽水蓄能機組的正常狀態和異常狀態進行識別；當識別出抽水蓄能機組為異常狀態時，將抽水蓄能機組振動信號的融合特征向量樣本輸入至故障分類單元中，對抽水蓄能機組是處于已知故障還是未知故障進行識別；當識別出抽水蓄能機組處于已知故障時，將抽水蓄能機組振動信號的融合特征向量樣本輸入至已知故障類型診斷模型中，對抽水蓄能機組的已知故障類型進行診斷，當識別出抽水蓄能機組處于未知故障時，輸出未知故障標簽，結合包括專家經驗和頻譜分析在內的方法對未知故障類型進行診斷；所述狀態單分類器的構建方法包括：依據抽水蓄能機組正常振動信號的融合特征向量樣本，構建用于識別抽水蓄能機組正常狀態和異常狀態的變分自編碼器模型，作為狀態單分類器；所述故障分類單元的構建方法包括：依據抽水蓄能機組正常振動信號的融合特征向量樣本，構建用于識別抽水蓄能機組正常狀態和異常狀態的變分自編碼器模型，作為故障分類單元；所述變分自編碼器模型中，假設一個給定的D維樣本時間序列數據集對于每一個樣本x，變分自編碼器的編碼過程將復雜數據映射到隱變量空間，表達式如下： 式中，為編碼器的分布函數，z為潛在特征，x為輸入數據；解碼過程是對隱變量空間數據恢復至原始數據空間，通過學習數據的潛在特征μ和σ并生成新數據樣本，解碼表達式如下：x'～Decz＝pθx|z8，式中，θ為解碼器的分布函數；x'為重構數據；變分自編碼器引入一個概率分布來代替真實的后驗分布pθz|x，然后從中采樣來近似從后驗分布pθz|x采樣，為了使和pθz|x盡可能相等，使用KL散度來評價不同分布之間的相似性，當且僅當KL散度為0時，表示和pθz|x完全相等，并通過優化參數與θ使KL散度最小化，表達式如下： 令則： 式中，被稱為變分下界,最小化通過最大化實現；假設從取S個樣本，變分下界進一步表示為: 式中，z'是第l個采樣樣本；pθz為標準正態分布；采用重參數化來簡化運算，從標準正態N0，1中取得一個輔助變量ε，然后利用μ、σ計算得到，表達式如下： 當batchsize足夠大的時候，取S＝1，即每次只采樣一個樣本數據，式11表示為： 式中，第一項是近似后驗分布與先驗分布pθz的KL散度；第二項為變分自編碼器的重構損失項；變分自編碼器訓練過程旨在最大化相當于同時最小化KL散度和重構損失，所以即為逼近標準正態的正則化項；通過上述操作，變分自編碼將輸入的抽水蓄能機組正常振動信號融合特征數據通過編碼器映射為一個理想的高斯分布，再將高斯分布采樣的樣本輸入進解碼器，由解碼器生成重構數據，通過比較輸入數據與重構數據的差異構建故障征兆指標，當故障征兆指標超出閾值，則判斷抽水蓄能機組處于異常狀態，否則處于正常狀態；通過上述操作，變分自編碼將輸入的已知故障振動信號融合特征數據通過編碼器映射為一個理想的高斯分布，再將高斯分布采樣的樣本輸入進解碼器，由解碼器生成重構數據，通過比較輸入數據與重構數據的差異構建故障分類指標，當故障分類指標超出閾值，則判斷抽水蓄能機組是處于未知故障，否則處于該類已知故障；針對抽水蓄能機組各已知故障類型，以其多維振動信號融合特征作為輸入獨立訓練變分自編碼器模型，進而構建由多個變分自編碼器組成的抽水蓄能機組已知故障和未知故障的故障分類單元，每個變分自編碼器專注于判斷機組是否發生對應已知類型故障，通過各變分自編碼器模型的協同工作，實現故障分類單元對抽水蓄能機組已知故障和未知故障的實時診斷。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人三峽智能工程有限公司，其通訊地址為：430074 湖北省武漢市東湖新技術開發區九峰街道高新大道789號全球公共采購交易服務總部基地辦公部分二期4號樓9層1室(自貿區武漢片區)；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。