[发明专利]一种基于深度信念网络模型的风机故障检测方法

摘要

本发明公开了一种基于深度信念网络模型的风机故障检测方法，它是采用深度信念网络建立风机流量预测模型，通过选择与风机流量相关的状态参数作为模型的输入变量，对风机的流量进行预测。深度信念网络由多层连续型限制玻尔兹曼机连续型限制玻尔兹曼机堆叠而成，并采用自适应步长方法加速算法训练过程。此外，根据滑动窗口计算残差分布特性，当残差的均值或标准差超过阈值时，发出报警。本发明能够准确预测风机流量，同时能够检测出风机异常工作状态，实现对风机的故障检测。

主权项

1.一种基于深度信念网络模型的风机故障检测方法，其特征在于，包括以下步骤：(1)选择风机流量作为预测输出，确定与风机流量相关的状态参数作为模型的输入变量；所有数据的采样频率相同，对所有数据进行归一化处理，并将数据分为训练集和测试集，分别用于训练深度信念网络模型和验证该模型；(2)确定模型的性能评价指标；(3)建立深度信念网络模型的结构，并设计模型参数；所述深度信念网络模型由多层连续型限制玻尔兹曼机组成；(4)采用自适应步长方法加速深度信念网络模型的训练过程；(5)采用滑动窗口统计模型预测残差的均值和标准差；(6)确定模型预测残差的均值和标准差的置信区间，通过训练集数据建立均值和标准差的阈值，当均值或标准差的置信区间超过阈值时，发出风机故障征兆报警；(7)人为对输入变量进行偏移，模拟故障数据，对故障检测方法进行验证。