[发明专利]基于1DCNN与GRU融合的故障特征学习与分类方法有效
| 申请号： | 201910836235.7 | 申请日： | 2019-09-05 |
| 公开（公告）号： | CN110555479B | 公开（公告）日： | 2023-05-16 |
| 发明（设计）人： | 王卓峥;董英杰 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06F18/213 | 分类号： | G06F18/213;G06F18/25;G06N3/048;G06N3/084;G06N3/0464 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 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1DCNN与GRU融合的冷水机组故障特征学习与分类方法，解决了现有方法在耗时、难以处理海量数据等方面存在的不足。本发明首先对采集的不同工况下连续时间的故障序列信息进行预处理，构建样本集；其次采用降维算法对样本集进行初步特征提取；然后构建1DCNN‑GRU神经网络模型，训练时将训练样本同一时刻的故障特征作为网络模型一个时间步的输入，采用交叉熵损失函数，结合反向传播BP算法调整模型参数，利用Softmax回归作为分类算法，对网络模型参数进行迭代更新，完成模型的训练。该方法不仅能提取序列局部特征与序列间的动态信息，还能实现故障的实时分类诊断。 | ||
| 搜索关键词： | 基于 dcnn gru 融合 故障 特征 学习 分类 方法 | ||
【主权项】：
1.基于1DCNN与GRU融合的故障特征学习与分类方法，其特征在于，所述的特征学习与分类方法包括如下步骤：/n步骤1：利用传感器采集设备采集不同工况下冷水机组运行过程中的数据，对采集的不同工况数据打标签，构成样本集X∈R
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/201910836235.7/，转载请声明来源钻瓜专利网。
