[发明专利]洗涤塔预测性维护方法及装置

权利要求书

1.一种洗涤塔预测性维护方法，其特征在于，包括：

获取参考洗涤塔的模型训练数据集，所述模型训练数据集包括各个除垢周期数据；

确定所述模型训练数据集对应的至少两个结垢预测模型，各个所述结垢预测模型的模型结构不同；

对各个所述结垢预测模型进行融合，确定目标除垢预测模型；

根据所述目标除垢预测模型对目标洗涤塔进行预测性维护。

2.根据权利要求1所述的方法，其特征在于，所述目标除垢预测模型用于预测出所述目标洗涤塔的结垢信息，并根据所述结垢信息中的结垢厚度和除垢临界值，确定是否除垢；

所述除垢周期数据对应的除垢周期为第i次除垢到第i+1次除垢所经历的时间，其中，i为自然数。

3.根据权利要求2所述的方法，其特征在于，还包括：

当对所述目标设备进行除垢处理后，获取除垢评估指标的标准值以及所述除垢处理后的所述除垢评估指标的评估值；

根据所述除垢评估指标的标准值和所述除垢评估指标的评估值之间的比较结果，确定所述除垢临界值的修改系数；

根据所述除垢临界值的修改系数，修改所述除垢临界值。

4.根据权利要求1所述的方法，其特征在于，所述对各个所述结垢预测模型进行融合，确定目标除垢预测模型，包括：

根据所述模型训练数据集，确定各个所述结垢预测模型各自的预测误差向量；

根据各个所述结垢预测模型各自的预测误差向量，确定各个所述结垢预测模型各自对应的权重；

根据各个所述结垢预测模型各自对应的权重，对各个所述结垢预测模型进行融合，确定目标除垢预测模型。

5.根据权利要求4所述的方法，其特征在于，所述根据各个所述结垢预测模型各自的预测误差向量，确定各个所述结垢预测模型各自对应的权重，包括：

根据各个所述结垢预测模型各自的预测误差向量，确定信息误差矩阵；

获取各个所述结垢预测模型对应的初始权重向量以及各个所述结垢预测模型对应的损失函数；

根据所述信息误差矩阵和所述初始权重向量，求解所述损失函数，确定各个所述结垢预测模型各自的权重。

6.根据权利要求5所述的方法，其特征在于，所述根据各个所述结垢预测模型各自的预测误差向量，确定信息误差矩阵，包括：

根据各个所述结垢预测模型各自的预测误差向量，确定误差矩阵；

对所述误差矩阵以及所述误差矩阵的转置矩阵进行相乘计算，确定信息误差矩阵。

7.根据权利要求1所述的方法，其特征在于，所述确定所述模型训练数据集对应的至少两个结垢预测模型，包括：

获取各个所述参考洗涤塔各自的模型训练数据集；

针对每个所述模型训练数据集，确定所述模型训练数据集对应的至少两个候选结垢预测模型，各个所述候选结垢预测模型的模型结构不同；

对模型结构相同的各个所述候选结垢预测模型进行聚合，以确定至少两个模型集合；

针对每个所述模型集合，获取更新模型参数，所述更新模型参数基于所述模型集合中各个候选结垢预测模型的模型参数确定，根据所述更新模型参数、所述模型集合、所述模型集合对应的各个模型训练数据集，以调整更新模型参数，并根据满足迭代条件时的更新模型参数，确定除垢预测模型。

8.一种洗涤塔预测性维护装置，其特征在于，包括：

获取模块，用于获取参考洗涤塔的模型训练数据集，所述模型训练数据集包括各个除垢周期数据；

模型训练模块，用于确定所述模型训练数据集对应的至少两个结垢预测模型，各个所述结垢预测模型的模型结构不同；

融合模块，用于对各个所述结垢预测模型进行融合，确定目标除垢预测模型；

预测模块，用于根据所述目标除垢预测模型对目标洗涤塔进行预测性维护。

9.一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述处理器执行如权利要求1至7中任一所述的方法。

10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至7中任一所述的方法。