[发明专利]一种基于双深度学习模型的设备故障模式预测方法在审
| 申请号： | 202110234530.2 | 申请日： | 2021-03-03 |
| 公开（公告）号： | CN112989976A | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 徐红玲;严丽 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 210016 江*** | 国省代码： | 江苏;32 |
| 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双深度学习模型的设备故障模式预测方法，包括对设备原始信号采用三层小波包分解来提取时频特征，获得每个频带信号的能量特征值作为状态监测指标，形成具有多维特征的时间序列；将时间序列输入经过堆叠的LSTM网络和注意力机制层，构建回归模型；将时间序列输入经过堆叠的LSTM网络和注意力机制层，构建分类模型；将样本数据进行预处理，输入回归模型，获得设备在未来时间的状态指标数据，再输入分类模型，得到设备未来潜在发生的故障模式。本发明设计的模型相对于现有技术相比具有更高的准确度，能够精确的预测出设备可能发生的故障。 | ||
| 搜索关键词： | 一种 基于 深度 学习 模型 设备 故障 模式 预测 方法 | ||
【主权项】：
暂无信息
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南京航空航天大学，未经南京航空航天大学许可，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/202110234530.2/，转载请声明来源钻瓜专利网。
