申请/专利权人：杭州安脉盛智能技术有限公司

申请日：2021-07-23

公开（公告）日：2024-02-23

公开（公告）号：CN113657454B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/214;G06N3/0442;G06N3/045;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2021.12.03#实质审查的生效;2021.11.16#公开

摘要：本发明公开了基于自回归BiGRU的核电旋转机械状态监测方法，包括以下步骤：获取设备运行的历史监测数据并预处理；构建自回归BiGRU网络模型，并对其进行训练和测试；确定设备正常工况下的运行参数残差阈值范围；计算判断设备当前的实测运行数据与实测运行数据估计值的残差并判断其是否落在残差阈值范围进行比较，若不是，则输出设备故障报警。本发明通过构建BiGRU网络模型综合考虑设备运行参数间的空间关联性与时序关联性，使得生成的报警阈值更加符合设备运行实际情况，在设备故障早期生成动态报警阈值，给出定量评估，指导工程师对设备有计划地停产维修，不影响正常的生产。

主权项：1.一种基于自回归BiGRU的核电旋转机械状态监测方法，其特征在于，包括以下步骤：S1、获取核电旋转机械设备运行的历史监测数据，并将历史监测数据按时间戳进行合并，对历史监测数据进行预处理，将预处理后的历史监测数据分成训练集和测试集；S2、构建自回归BiGRU网络模型，对自回归BiGRU网络模型进行训练和测试，输出训练好的自回归BiGRU网络模型；所述自回归BiGRU网络模型包括输入层、映射层、压缩层、解映射层和输出层，其中：输入层为双向GRU神经单元，用于获取核电旋转机械设备运行数据间的时空关联性；映射层、压缩层为普通神经网络单元，用于将双向GRU单元的输出向量压缩至低维特征空间，并提取双向GRU单元的输出向量的非线性主元；解映射层为普通神经单元，用于解析被压缩的输入信息；输出层为双向GRU神经单元，用于重构输入的核电旋转机械设备运行数据；压缩层中普通神经网络单元的个数小于映射层和解映射层中普通神经网络单元的个数，输入层与输出层采用线性激活函数，其他隐藏层节点采用非线性激活函数；S3、获取核电旋转机械设备正常情况下的运行参数估计值，计算核电旋转机械设备正常工况下的运行参数与运行参数估计值的残差，确定核电旋转机械设备正常情况下的运行参数残差阈值范围；S4、获取核电旋转机械设备当前的实测运行数据，并输入至训练好的自回归BiGRU网络模型中，获取核电旋转机械设备当前的实测运行数据估计值；S5、计算核电旋转机械设备当前的实测运行数据与实测运行数据估计值的残差，得到实测残差，并将实测残差与步骤S3中获取的残差阈值范围进行比较，若实测残差不属于残差阈值范围，则输出核电旋转机械设备故障报警。

全文数据：

权利要求：

百度查询： 杭州安脉盛智能技术有限公司 基于自回归BiGRU的核电旋转机械状态监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD