[发明专利]一种低温设备故障预测的方法

权利要求书

1.一种低温设备故障预测的方法，其特征在于，包括：

数据获取层，采集低温设备的特征数据；

数据处理层，处理低温设备的特征数据；

故障预测层，通过循环神经网络技术分析、学习和预测低温设备的故障情况；

健康评估层，量化设备的健康状况，预测设备未来状态趋势。

2.如权利要求1所述的一种低温设备故障预测的方法，其特征在于，具体步骤包括：

S1.通过各种传感器采集低温设备关键部件的传感数据，如温度、湿度、电压等，然后对采集的数据进行初步的处理和传输；

S2.从数据获取层接收数据并对其进行预处理、特征提取、数据挖掘等分析处理，使数据符合后续使用要求；

S3.根据特征数据创建并调优故障预测模型以及应用模型；

S4.量化设备的健康状况，预测设备未来状态趋势。

3.如权利要求2所述步骤S2中数据处理方式，具体步骤如下：

S21.对采集的数据进行错误数据和冗余数据的剔除，筛选有效的数据，采用多元统计分析方法进行数据特征提取；

S22.改变数据格式，使数据符合后续模型训练的要求。

4.如权利要求2所述步骤S3中采用循环神经网络技术，具体步骤如下：

S31.根据低温设备数据特征创建相应循环神经网络模型，具体步骤如下：

A.对低温设备样本数据进行标准化和增加数据维度；

B.设置循环神经网络的输入层和输出层的权重和偏置变量；

C.定义循环神经网络的框架；

D.训练循环神经网络模型并调优模型以降低损失率；

S32.利用训练好的模型进行低温设备故障预测。

5.如权利要求2所述步骤S4对低温设备进行健康评估，采用图形化方法，量化设备的健康状况，预测设备未来状态趋势。