申请/专利权人：湘潭大学

申请日：2020-10-30

公开（公告）日：2021-01-26

公开（公告）号：CN112270273A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.12.01#发明专利申请公布后的驳回;2021.02.12#实质审查的生效;2021.01.26#公开

摘要：提出一种基于GCN和WPT‑MD的风力发电机故障部位识别方法。首先对WTP、MD和GCN算法进行了简单介绍，然后将GCN与WPT‑MD结合，提出了一种基于GCN和WPT‑MD的方法，该算法可以有效、快速的实现异步发电机的故障诊断，识别出故障部位。将笼型异步发电机作为应用对象进行仿真实验，实验结果表明，该算法的诊断速度更快，且损失率最小。

主权项：1.一种基于GCN和WPT-MD的风力发电机故障部位识别方法，这种方法将图卷积神经网络GCN和小波包变换WPT、马氏距离MD进行融合，以风力发电机作为应用对象进行故障部位识别；WPT通过对每一级信号进行信号分解，用来提取出不同的特征，构建出特征向量；MD用来计算不同的特征向量之间的距离，通过设置阈值，得到不同特征向量之间的相似度，是一种有效的计算样本集的相似度的方法；GCN用来处理高维、非线性大数据等数据，把收集和预处理过的数据输入到GCN中，利用GCN实现故障分类，从而达到故障部位识别的方法。

全文数据：

权利要求：

百度查询： 湘潭大学 基于GCN和WPT-MD的风力发电机故障部位识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD