[发明专利]一种基于神经网络的制冷设备故障预测方法在审
| 申请号： | 201811149566.5 | 申请日： | 2018-09-29 |
| 公开（公告）号： | CN109308519A | 公开（公告）日： | 2019-02-05 |
| 发明（设计）人： | 黎国华;肖杰荣;蔡沐宇 | 申请（专利权）人： | 广州博通信息技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06Q10/04;G06Q10/06 |
| 代理公司： | 佛山帮专知识产权代理事务所(普通合伙) 44387 | 代理人： | 颜德昊 |
| 地址： | 510000 广东省广州*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于神经网络的制冷设备故障预测方法，包括以下步骤：获取制冷设备中对故障敏感的N个传感器所采集到的时序数据集；根据时序数据集构建长短期神经网络模型，并根据长短期神经网络模型得到时序数据集的实际预测结果；根据时序数据集确定故障判别模型f(x)；获取部分已知制冷设备的故障情况的真实数据集，并根据故障判别模型f(x)及真实数据集确定故障阈值；根据故障判别模型确定实际预测结果的概率密度，通过实际预测结果的概率密度与故障阈值进行对比来判断制冷设备的健康情况。本发明采用长短期神经网络模型和故障判别模型f(x)相结合的方式对制冷设备进行故障预测，可有效预测制冷设备的健康状况。 | ||
| 搜索关键词： | 制冷设备 故障判别 时序数据 神经网络模型 故障预测 预测结果 神经网络 真实数据 健康状况 模型确定 传感器 概率 构建 采集 敏感 预测 健康 | ||
【主权项】：
1.一种基于神经网络的制冷设备故障预测方法，其特征在于，包括以下步骤：步骤1，获取制冷设备中对故障敏感的N个传感器所采集到的时序数据集；步骤2，根据所述时序数据集构建长短期神经网络模型，并根据所述长短期神经网络模型得到所述时序数据集的实际预测结果；步骤3，根据所述时序数据集确定故障判别模型f(x)；步骤4，获取部分已知制冷设备的故障情况的真实数据集，并根据所述故障判别模型f(x)及所述真实数据集确定故障阈值；步骤5，根据所述故障判别模型确定所述实际预测结果的概率密度，通过所述实际预测结果的概率密度与所述故障阈值进行对比来判断制冷设备的健康情况。
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广州博通信息技术有限公司，未经广州博通信息技术有限公司许可，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/201811149566.5/，转载请声明来源钻瓜专利网。
