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！

龙图腾网获悉天津大唐国际盘山发电有限责任公司申请的专利基于振动分析的火电厂热工仪表故障诊断方法及系统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：CN120408305B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510485354.8，技术领域涉及：G06F18/241；该发明授权基于振动分析的火电厂热工仪表故障诊断方法及系统是由张玉泽;文大缀;张艳宾;冀丰强;张丰设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于振动分析的火电厂热工仪表故障诊断方法及系统在说明书摘要公布了：本发明提供一种基于振动分析的火电厂热工仪表故障诊断方法及系统，涉及故障诊断技术领域，包括：采集并处理热工仪表的振动信号，提取优化后的振动特征向量，构建混合神经网络模型并训练得到优化故障诊断模型；对振动特征向量进行故障诊断，生成故障类型、可能性和置信度；进行故障风险评估和案例推理，生成故障原因分析报告和维护建议。

本发明授权基于振动分析的火电厂热工仪表故障诊断方法及系统在权利要求书中公布了：1.基于振动分析的火电厂热工仪表故障诊断方法，其特征在于，包括： 采集火电厂热工仪表的振动信号并转换为数字信号，对数字信号进行小波包分解得到子带小波系数，计算每个子带小波系数的能量分布，基于能量分布确定阈值并进行软阈值处理和小波包重构，得到去噪后的振动信号，对去噪后的振动信号进行时频分析，得到时频分布图并提取时域特征、频域特征和时频域特征，组合得到原始特征向量，通过最大相关最小冗余算法选择特征构建特征子集，得到优化后的振动特征向量，包括： 根据预先设置的加速度传感器获取火电厂热工仪表的振动信号，结合预先设置的电荷放大器输出电压信号，通过奈奎斯特采样定理设置采样频率，结合预先设置的采样器对电压信号进行采样和预处理，生成初始数字信号并通过去除直流分量和异常点得到数字信号； 对数字信号进行多层小波包分解至不同频段的尺度空间下，得到不同子带对应的小波系数，通过能量计算得到每个子带对应的能量分布，结合预先设置的阈值进行软阈值处理，通过收缩小波系数的幅值进行噪声去除，对软阈值处理后的小波系数进行小波包重构，得到去噪后的振动信号； 对去噪后的振动信号通过短时傅里叶变换进行信号分段，在每段信号内进行傅里叶变换，得到频谱分布和时频表示，综合得到时频分布图，提取振动信号对应的时域特征，包括均值、峰值、峭度和波形因子，通过确定频谱中心和频谱均方根值得到频域特征，基于时频表示计算瞬时频率和边际谱得到时频域特征，将特征组合为原始特征向量； 计算每个原始特征向量与故障类型之间的互信息得到第一相关性，计算不同原始特征向量之间的互信息得到冗余度，以相关性最大化且冗余度最小化为目标进行特征选择，得到优化后的振动特征向量并组合为特征子集输出； 计算每个原始特征向量与故障类型之间的互信息得到第一相关性如下公式所示： 其中，IX；Y表示原始特征向量与不同故障类型之间的互信息，用于指示相关度，ψ为digamma函数，表示gamma函数的对数倒数，ψk表示与第k个近邻相关的熵量，N表示样本数量，i表示样本索引，nx∈i表示与样本xi距离小于∈i的样本数，ny∈i表示与样本yi距离小于∈i的样本数，∈i表示样本xi和yi到各自的第k近邻的最大距离，ψN表示在样本数量为N时的熵量； 基于长短时记忆网络和一维卷积神经网络构建混合神经网络模型，提取优化后的振动特征向量的时序依赖关系、上下文信息和局部空间特征，学习故障类型对应的振动模式，结合注意力机制对特征进行加权融合，生成关键特征并结合基于主动学习的智能标注系统进行标注，生成故障类型标签并训练混合神经网络模型，结合迁移学习和交叉验证进行参数优化，得到优化故障诊断模型； 根据优化故障诊断模型对优化后的振动特征向量进行故障诊断，生成热工仪表对应的故障类型、故障可能性和置信度，结合热工仪表的重要性和历史故障情况，通过贝叶斯网络推理进行故障风险评估，得到故障风险等级，结合历史故障情况进行案例推理，生成故障原因分析报告和维护建议并发送至设备维修人员。

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天津大唐国际盘山发电有限责任公司，其通讯地址为：301900 天津市蓟州区别山西文昌街道；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。