[发明专利]振动预测及模型训练方法、装置、计算机设备和存储介质

权利要求书

1.一种振动预测方法，其特征在于，包括：

检测电机连续n次通过皮带驱动地铁站台的闸门开启或关闭时、所述皮带的振幅，获得n条原始振动曲线；

将n条所述原始振动曲线分别输入卷积神经网络中进行处理，以分别提取n个原始振动特征；

将n个所述原始振动特征按照顺序依次输入n个链式依赖的长短期记忆网络中进行处理，以依次输出n个原始隐含特征；

将所述n个原始隐含特征输入深度神经网络中进行处理，以生成所述电机下一次通过所述皮带驱动地铁站台的闸门开启或关闭时、所述皮带的振幅，获得目标振动曲线。

2.根据权利要求1所述的方法，其特征在于，在所述检测电机连续n次通过皮带驱动地铁站台的闸门开启或关闭时、所述皮带的振幅，获得n条原始振动曲线之后，所述方法还包括：

在所述原始振动曲线查找符合业务异常的振幅，作为第一原始异常振幅；

将所述第一原始异常振幅替换为所述皮带在未运行时的振幅；

和/或，

在所述原始振动曲线查找符合扰动异常的振幅，作为第二原始异常振幅；

将与所述第二原始异常振幅相邻的振幅替换所述第二原始异常振幅。

3.根据权利要求2所述的方法，其特征在于，所述在所述原始振动曲线查找符合扰动异常的振幅，作为第二原始异常振幅，包括：

将所述原始振动曲线切分为多个区间，获得原始振动区间；

计算所述原始振动区间中、所述振幅的平均值与标准差；

在所述平均值的基础上加上所述标准差的三倍值，获得第一目标值；

在所述平均值的基础上减去所述标准差的三倍值，获得第二目标值；

若所述原始振动区间中的所述振幅大于所述第一目标值或小于所述第二目标值，则确定所述振幅符合扰动异常，为第二原始异常振幅。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述卷积神经网络包括第一卷积层、第二卷积层、第三卷积层、池化层；

所述将n条所述原始振动曲线分别输入卷积神经网络中进行处理，以分别提取n个原始振动特征，包括：

将n条所述原始振动曲线分别输入第一卷积层中进行卷积操作，以分别输出n个第一原始候选特征；

将n个所述第一原始候选特征分别输入第二卷积层中进行卷积操作，以分别输出n个第二原始候选特征；

将n个所述第二原始候选特征分别输入第三卷积层中进行卷积操作，以分别输出n个第三原始候选特征；

将n个所述第三原始候选特征分别输入池化层中进行池化操作，以分别输出n个原始振动特征。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述将n个所述原始振动特征按照顺序依次输入n个链式依赖的长短期记忆网络中进行处理，以依次输出n个原始隐含特征，包括：

按照顺序依次遍历n个所述原始振动特征，针对当前所述原始振动特征、确定上一长短期记忆网络输出的原始保留特征；

将当前所述原始振动特征、上一所述原始保留特征输入当前所述长短期记忆网络中进行处理，以输出原始保留特征与原始隐含特征。

6.根据权利要求5所述的方法，其特征在于，所述将当前所述原始振动特征、上一所述原始保留特征输入当前所述长短期记忆网络中进行处理，以输出原始保留特征与原始隐含特征，包括：

将当前所述原始振动特征、上一所述原始保留特征输入当前所述长短期记忆网络中进行处理；

确定当前所述长短期记忆网络中遗忘门输出的特征为原始保留特征；

确定当前所述长短期记忆网络中输出门输出的特征为原始隐含特征。