[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： | 本发明属于发电机组设备故障诊断技术领域，尤其涉及一种基于故障数据深度挖掘及学习的故障诊断方法，包括：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；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；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；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。 | ||
| 搜索关键词： | 基于 故障 数据 深度 挖掘 学习 故障诊断 方法 | ||
【主权项】：
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。
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/patent/201910527452.8/，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
