[发明专利]基于CNN-LSTM深度学习方法及多属性时序数据的故障诊断方法有效
| 申请号： | 201811472378.6 | 申请日： | 2018-12-04 |
| 公开（公告）号： | CN109814523B | 公开（公告）日： | 2020-08-28 |
| 发明（设计）人： | 张强;黄挺;陆效农;杨善林;赵爽耀;吴齐 | 申请（专利权）人： | 合肥工业大学 |
| 主分类号： | G05B23/02 | 分类号： | G05B23/02;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 合肥初航知识产权代理事务所(普通合伙) 34171 | 代理人： | 金娟娟 |
| 地址： | 230009 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及系统故障诊断技术领域，具体地说，涉及一种基于CNN‑LSTM深度学习方法及多属性时序数据的故障诊断方法。其包括以下步骤：S1，采集系统的历史运行数据并进行数据预处理，之后基于CNN和LSTM建立故障诊断模型；S2，采集系统的实时运行数据并进行数据预处理，之后送入S1中建立的故障诊断模型进行处理，并输出诊断结果。本发明中，通过基于CNN和LSTM建立的故障诊断模型，能够很好地整合属性维度的特征信息和时间维度的时延信息，从而能够较佳地提高故障诊断的准确率和抗噪性。 | ||
| 搜索关键词： | 基于 cnn lstm 深度 学习方法 属性 时序 数据 故障诊断 方法 | ||
【主权项】：
1.基于CNN‑LSTM深度学习方法及多属性时序数据的故障诊断方法，其包括以下步骤：S1，采集系统的历史运行数据并进行数据预处理，之后基于CNN和LSTM建立故障诊断模型；S2，采集系统的实时运行数据并进行数据预处理，之后送入S1中建立的故障诊断模型进行处理，并输出诊断结果。
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合肥工业大学，未经合肥工业大学许可，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/201811472378.6/，转载请声明来源钻瓜专利网。
- 上一篇：用于检查机器的机电系统
- 下一篇：一种车辆诊断方法、装置及系统
