權利要求書: 1.一種基于行列和張量積的風機葉片開裂故障預測方法,其特征在于,將基于行列和張量積的降維方法、三維卷積神經網絡以及Squeeze?Excitation注意力機制進行結合,用于風機葉片開裂故障預測,能夠快速、準確地預測風機葉片一周內是否發生開裂故障以及防止風機葉片因為存在隱患仍繼續運行而出現嚴重的損壞;在使用過程中的步驟為:步驟(1):對利用數據采集與監視控制系統采集到的風機多維度數據進行數據清理,對錯誤數據的刪除、重復數據的清除以及去掉不變的特征維度,并對剩余數據進行數據歸一化;數據采集與監視控制系統共對R臺風機進行數據采集,剩余數據共有I個特征維度,每個特征維度下采樣次數共T次;特征維度表示數據采集與監視控制系統采集到的數據種類;風機多維度數據具體為:數據采集與監視控制系統分別對R臺風機每10分鐘采樣一次的數據以及數據的標注信息;在標注信息中,0表示該風機葉片開裂故障樣本對應風機一周內未發生開裂故障,1表示該風機葉片開裂故障樣本對應的風機在一周內發生開裂故障;對剩余數據進行數據歸一化的方法為:v’r,i,t=(vr,i,t?vr,i,tmin)/(vr,i,tmax?vr,i,tmin)(1)其中,vr,i,t為第r臺風機第i特征維度下第t次采樣獲得的風機葉片數據,vr,i,tmax和vr,i,tmin分別是第r臺風機第i特征維度下的風機葉片數據最大值和最小值;v’r,i,t為歸一化后的第r臺風機第i特征維度下第t次采樣獲得的風機葉片數據;步驟(2):在進行數據清理后,采用基于行列和張量積的降維方法對清理后的數據進行降維;基于行列和張量積的降維方法為:U2=sumrow(v’1,i,t)?sumcol(v’2,i,t)(2)U3=sumrow(U2)?sumcol(v’3,i,t)(3)UR=sumrow(UR?1)?sumcol(v’R,i,t)(4)其中,v’1,i,t表示數據采集與監視控制系統在第1臺風機采集到的數據歸一化后的數據,v’2,i,t表示數據采集與監視控制系統在第2臺風機采集到的數據歸一化后的數據,v’3,i,t表示數據采集與監視控制系統在第3臺風機采集到的數據歸一化后的數據,以此類推,v’R,i,t表示數據采集與監視控制系統在第R臺風機采集到的數據歸一化后的數據,皆為I×T的矩
聲明:
“基于行列和張量積的風機葉片開裂故障預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)