[发明专利]基于多算法融合的制冷设备的自适应阈值的故障预测方法在审
| 申请号： | 201910914924.5 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110689075A | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 贾克斌;徐晨蕊;王卓峥 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 11203 北京思海天达知识产权代理有限公司 | 代理人： | 吴荫芳 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多算法融合的制冷设备的自适应阈值的故障预测的方法，属于制冷设备和深度学习领域。本发明引入LSTM循环神经网络和深度自编码网络于制冷设备的故障预测中，通过训练DAE网络，构建制冷设备的深度自编码学习模型。依据DAE的输入输出关系和故障状态下各部件动态参数发生不稳定变化这一特征，利用冷水机组部件深度学习网络的输入与其重构值计算重构误差，通过设定自适应阈值监测重构误差的趋势变化，最终作为状态异常预警的判定准则。本发明充分融合了LSTM长短记忆网络的特点，不仅可以对短时间序列进行预测，而且能够对长时间序列进行较好的预测。通过LSTM预测出的数据输入到深度自编码网络，实现动态预警。 | ||
| 搜索关键词： | 制冷设备 自编码 重构 故障预测 时间序列 自适应 网络 预测 输入输出关系 循环神经网络 动态参数 动态预警 故障状态 记忆网络 冷水机组 判定准则 趋势变化 算法融合 状态异常 阈值监测 构建 学习 预警 融合 引入 | ||
【主权项】：
1.基于多算法融合的制冷设备的自适应阈值的故障预测方法，其特征在于包括以下步骤：/nStep1:先对某个数据中心实际采集得到的数据进行数据预处理，包括过滤异常值，填补空缺值，然后对数据进行归一化处理，将数据缩放到0～1；/nStep2:将预处理完的数据用主成分分析法PCA进行降维，具体过程如下：(1)将数据集中的每个样本作为列向量，按列排列构成一个n行m列的矩阵；(2)将矩阵的每一个行向量都减去该行向量的均值，从而使得新行向量的均值为0，得到新的数据集矩阵X；/n(3)求X的协方差矩阵
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910914924.5/，转载请声明来源钻瓜专利网。
