摘要
本发明属于润滑油滤清技术领域,本发明公开了一种基于机器学习的润滑油滤清系统;包括:数据采集处理模块,用于采集润滑油样本数据以及润滑油样本数据对应的工况环境数据,将润滑油样本数据进行预处理,得到样本特征数据;成分识别模块,用于将样本特征数据输入至预先构建完成的改进深度信念网络模型中,得到依赖无环图;评估模块,基于工况环境数据和依赖无环图,获取未来t段时间内的初步退化趋势序列;决策模块,基于初步退化趋势序列,利用注意力融合算法输出滤清决策,将滤清决策发送至滤清控制终端,大大提高设备的利用率、降低维护成本,以及确保生产的稳定性和安全性。
技术关键词
深度信念网络模型
润滑油
样本
工况环境
随机森林模型
编码器
注意力
节点
受限玻尔兹曼机
决策
设备运行数据
解码器
融合算法
概率密度函数
序列
Softmax函数
随机搜索方法
系统为您推荐了相关专利信息
故障检测模型
综合故障检测
实时数据
样本
故障检测方法
大语言模型
网络检索系统
文本
蒸馏
生成样本数据
训练样本数据
信息补全方法
深度学习模型
模型训练方法
解码单元
低光图像增强方法
离散小波变换
文本特征向量
多模态
样本