买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉辽宁东科电力有限公司;东北大学申请的专利基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120030454B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510475036.3，技术领域涉及：G06F18/2431；该发明授权基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法是由姚远;李建军;邵毅;张涛;付钰惠;贾婉莹;常玉清;郝欣;胡绍宇设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法在说明书摘要公布了：基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法，解决风机组在多故障情况下的检测难题。本发明构建一种包含传感器零点漂移、过程参数线性漂移、非对称噪声干扰和执行器卡死等多种故障工况的仿真模型，并通过动态特征选择和噪声非对称注入策略生成高真实性的故障数据。改进了贝叶斯异常概率BAP算法，引入协方差矩阵正则化与滑动窗口滤波技术，解决了协方差矩阵奇异问题，提高了故障检测的稳定性和鲁棒性。本发明通过"检测‑分类‑定位"的三级诊断体系，结合孤立森林数据清洗、动态高斯混合模型GMM和随机森林分类器，实现在不同工况下的端到端故障分析，有效提升燃煤机组风机组在多故障耦合条件下的故障检测能力和诊断精度。

本发明授权基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法在权利要求书中公布了：1.基于多工况数据合成与增强贝叶斯异常概率的风机故障诊断方法，其特征在于，包括离线训练和在线监测两个阶段， A离线训练阶段： A1通过正常工况历史数据和模拟四种典型故障，即偏移、漂移、噪声、卡死，生成合成故障数据，扩充训练集； A1.1零点偏移 传感器零点偏移是一种常见故障，表现为测量值在基线附近发生固定偏移；随机选择1到3个特征并添加固定偏移量，数学表达式为： ；其中，为偏移后的测量值，为原始测量值，△表示偏移量，在[2,5]范围内的随机均匀分布值，模拟传感器零点漂移； A1.2线性漂移 过程参数随时间线性变化为常见故障之一；在本模型中，单一特征呈线性递增，斜率随机生成，数学表达式为： ；其中，为t时刻偏移后的测量值，为t时刻的原始测量值，k为漂移斜率，取值范围为[0.1,0.5]的均匀分布随机值，t为时间变量，在单样本生成中简化为1，该线性漂移模型模拟随时间变化的故障； A1.3非对称噪声 信号受到非对称噪声干扰是实际运行中的常见现象，单一特征在噪声干扰下呈线性递增，斜率随机生成，其数学表达式为： ；其中，∈为噪声强度，通常为均匀分布的随机值，范围在[1,3]之间，噪声方向概率为70%正向，30%负向；本模型通过概率注入不同强度噪声，真实模拟实际运行中的噪声干扰； A1.4执行器卡死 执行器卡死故障是指执行器失去响应，停留在某一固定值，在本模型中，单特征固定为极值，数学表达式为： ；和分别为该特征在正常数据中的最小值和最大值，该设置能够模拟执行器卡死在极限位置的故障情况； A2利用正常数据训练正则化高斯混合模型RGMM，建立正常运行状态的概率分布，并结合专家知识库与合成数据训练随机森林分类器； 正则化高斯混合模型RGMM建立方法为： 正常工况数据集，其中n是样本数量，d是特征维度；采用正则化高斯混合模型RGMM，概率密度函数为： ；其中，K是高斯分量的个数，πk是第k个高斯分量的混合系数，需要满足πk≥0，是第k个高斯分布的概率密度函数，其均值为μk，协方差矩阵为∑k+λΙ，λ为正则化参数，用于对协方差矩阵进行正则化处理，Ι是d阶单位矩阵； B在线监测阶段： B1实时采集的风机数据经过预处理后，通过正则化高斯混合模型RGMM计算贝叶斯异常概率，并与设定阈值比对触发报警； 所述的B1中，增强型贝叶斯异常概率计算的方法为： 对协方差矩阵进行双重正则化处理，首先，通过动态阈值避免协方差矩阵奇异化： ；其中，λmin和λmax分别为协方差矩阵的最小和最大特征值，通过动态阈值λmin=max10-4λmax,10-5避免协方差矩阵奇异化，将小于阈值的特征值替换为λmin，得到正则化后的特征值矩阵；接着，重构协方差矩阵： ；V是由协方差矩阵的特征向量组成的正交矩阵，是由正则化后的特征值组成的对角矩阵，c是一个正则化常数，I是单位矩阵，在重构协方差矩阵后叠加单位矩阵正则项cI； 基于双重正则化后的协方差矩阵，双重增强贝叶斯后验概率下的贝叶斯异常概率BAP为： ；其中，表示xt到均值μi的马氏距离，gi和hi分别为缩放因子和自由度修正项如下： ； 基于RGMM后验概率πi对不同高斯成分的异常概率进行加权，实现多工况数据的概率融合，通过概率分解明确各成分对最终评分的贡献； 进一步平滑BAP的波动，采用滑动窗口滤波技术，滑动窗口大小ω=8，具体的滤波公式如下： ；其中，为经过滑动窗口滤波后的BAP指数，BAPt为原始的BAP指数，通过滑动窗口滤波，将当前时刻的BAP指数与过去ω个时刻的BAP指数进行综合考虑，取其中的最大值作为滤波后的结果； B2若检测到异常，随机森林分类器进一步判别故障类型并通过贡献变量分析定位关键故障参数，形成闭环诊断。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人辽宁东科电力有限公司;东北大学，其通讯地址为：110000 辽宁省沈阳市浑南新区新果街3-1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。