[发明专利]一种基于RFKPCA和SAC-BiLSTM的化工群体设备故障预测方法

摘要

为实现对复杂化工生产群体设备的故障趋势预测，提出了一种基于RF‑KPCA和SAC‑BILSTM故障预测方法。首先，使用RF对群体设备多信号进行故障特征筛选，保留与故障相关的特征。之后，使用KPCA进行特征重构并构造霍特林(T2)统计量，用单一指标描述群体设备多信号的状态趋势，并构造阈值T。用以表明正常状态的阈值。将降维后的变量与T2统计量组成监督学习型时间序列数据用以预测未来趋势，针对BiLSTM无法提取空间特征，引入CNN并改进激活函数，并针对故障点前后数据时变性较强的特性在隐藏输出层加入注意力机制。在TE仿真平台数据上的实验，表明此模型的准确性与其他模型相比有明显提升，并且此模型解决了传统LSTM无法起到预测作用的问题，无法表征故障趋势，而改进模型起到预测效果。