← 返回列表
一种潜器液压故障监测方法及系统
摘要文本
本发明公开了一种潜器液压故障监测方法及系统，属于智能运维技术领域，系统包括硬件系统，硬件系统包括传感器、液压系统、水声通讯系统、应急切断系统、浮标、舰载故障监测子系统、基站、岸端故障监测子系统和总控制器；监测方法通过使用双通道融合CNN，在液压和流量数据处理中实现了更丰富的特征提取，将小波包分解、双通道融合CNN和SVM结合运用，形成了一套完整的故障监测方法。不仅能够有效提取多层次的特征信息，还通过SVM分类器实现了可靠的故障诊断模型建立，使得在复杂工况下的液压系统故障监测更加准确和可靠。
申请人信息
- 申请人:青岛哈尔滨工程大学创新发展中心
- 申请人地址:266000 山东省青岛市黄岛区三沙路1777号
- 发明人: 青岛哈尔滨工程大学创新发展中心
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种潜器液压故障监测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410194962.9 |
| 申请日 | 2024/2/22 |
| 公告号 | CN117759608A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | F15B19/00 |
| 权利人 | 青岛哈尔滨工程大学创新发展中心 |
| 发明人 | 陈云赛; 樊硕; 刘增凯; 刘子然; 张栋; 姜清华; 孙尧; 李志彤; 邢会明; 左昕; 李明宇; 张营 |
| 地址 | 山东省青岛市黄岛区三沙路1777号 |
专利主权项内容
1.一种潜器液压故障监测方法，其特征在于，包括以下步骤：S1、通过传感器采集液压和流量的原始信号；S2、对步骤S1中获得的原始信号进行四层小波包分解，将信号分解成不同尺度和频率的小波包子信号，得到小波包熵；S3、将小波包熵作为特征，输入到双通道CNN网络中，进行双通道特征提取，双通道CNN网络包括一维卷积神经网络1DCNN和二维卷积神经网络2DCNN；S4、将1DCNN和2DCNN提取的特征信息结合，形成综合的特征表示；S5、将综合特征信息输入到SVM分类器中，通过机器学习的方向进行故障分类；S6、完成故障诊断模型的建立，实现对液压系统实时状态的监测和故障分类。 关注