基于行列和張量積的風(fēng)機葉片開(kāi)裂故障預測方法

權利要求書(shū)： 1.一種基于行列和張量積的風(fēng)機葉片開(kāi)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(jīng)網(wǎng)絡(luò )以及Squeeze?Excitation注意力機制進(jìn)行結合，用于風(fēng)機葉片開(kāi)裂故障預測，能夠快速、準確地預測風(fēng)機葉片一周內是否發(fā)生開(kāi)裂故障以及防止風(fēng)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(guò)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(fēng)機多維度數據進(jìn)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(jìn)行數據歸一化；數據采集與監視控制系統共對R臺風(fēng)機進(jìn)行數據采集，剩余數據共有I個(gè)特征維度，每個(gè)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(lèi)；風(fēng)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(fēng)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(fēng)機葉片開(kāi)裂故障樣本對應風(fēng)機一周內未發(fā)生開(kāi)裂故障，1表示該風(fēng)機葉片開(kāi)裂故障樣本對應的風(fēng)機在一周內發(fā)生開(kāi)裂故障；對剩余數據進(jìn)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(fēng)機第i特征維度下第t次采樣獲得的風(fēng)機葉片數據，vr,i,tmax和vr,i,tmin分別是第r臺風(fēng)機第i特征維度下的風(fēng)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(fēng)機第i特征維度下第t次采樣獲得的風(fēng)機葉片數據；步驟（2）：在進(jìn)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(jìn)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(fēng)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(fēng)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(fēng)機采集到的數據歸一化后的數據，以此類(lèi)推，v’R,i,t表示數據采集與監視控制系統在第R臺風(fēng)機采集到的數據歸一化后的數據，皆為I×T的矩