[发明专利]基于故障数据深度挖掘及学习的故障诊断方法有效
申请号: | 201910527452.8 | 申请日: | 2019-06-18 |
公开(公告)号: | CN110263846B | 公开(公告)日: | 2021-12-28 |
发明(设计)人: | 曾德良;张威;胡勇;刘吉臻;牛玉广;冯树臣 | 申请(专利权)人: | 华北电力大学;国电电力发展股份有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06F16/2458 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 史双元 |
地址: | 102206 *** | 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: | |||
搜索关键词: | 基于 故障 数据 深度 挖掘 学习 故障诊断 方法 | ||
1.一种基于历史数据挖掘及深度学习的故障诊断方法,其特征在于,包括:
步骤1:对发电机组历史数据进行采集、预处理后采用深度长短时记忆网络算法进行学习和训练,得到故障数据筛选模型后遍历海量历史数据库,筛选形成故障数据样本集;
步骤2:对故障数据样本集采用Medoids周围分类法估计故障类型数目,采用K-Means聚类算法进行聚类分析,形成多类典型故障样本集;
步骤3:对多类典型故障样本集采用LSTM神经网络算法进行训练和学习,建立故障诊断模型;
步骤4:基于故障诊断模型对系统实时运行数据进行监测,对系统运行状态进行判别并记录新产生的故障样本,利用更新后的多类典型故障样本集对故障诊断模型进行更新;
所述预处理包括:对历史数据进行里离散点检测、缺失值补全和归一化处理,将特征缩放到特定区间,保留了原有的分布,使得神经网络快速收敛;
所述深度长短时记忆网络算法包括:遗忘门、输入门、记忆门和输出门;
所述步骤1中的训练采用RMSProp优化算法,结合梯度平方的指数移动平均数调节学习率的变化;
所述筛选形成故障数据样本集包括:用故障数据筛选模型进行前向计算,将故障数据筛选模型的预测值与历史实际值进行比较,根据皮尔逊相关系数进行数据异常判别,挖掘系统故障数据并形成故障数据样本集;
所述步骤3包括:在LSTM神经网络的输出层之后添加一个适用于多分类的激活函数,得到最终各个分类的概率值并且概率值总和为1;
所述激活函数采用Softmax激活函数。
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华北电力大学;国电电力发展股份有限公司,未经华北电力大学;国电电力发展股份有限公司许可,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/pat/books/201910527452.8/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置