摘要
本发明属于发电设备技术领域,公开了发电设备振动与温度联合监测方法及相关系统,本发明通过持续获取发电设备的实时状态信息,综合监测振动与温度等多种参数,克服了传统系统仅依赖单一振动参数的不足,提供了更全面的设备状态评估。本发明基于预设周期的分组预处理,能够快速识别并反馈发电设备的不足之处,从而缩短故障发现与响应时间,提高维护效率。本发明利用预构建的信号突变模型对周期序列信息进行异常检测,能够更准确地识别潜在问题,降低漏检和误检的风险,确保更高的检测敏感性。本发明结合深度学习和粒子滤波算法,构建的联合分析模型能够对异常点进行深入分析,帮助运维团队做出更科学的决策。
技术关键词
异常点
发电设备
实时状态信息
粒子滤波算法
监测方法
学习器
队列
训练样本集
K折交叉验证法
风险
序列
模糊c均值聚类算法
周期
输出特征
联合监测系统
设备振动信号
设备状态评估
LSTM模型
系统为您推荐了相关专利信息
深度神经网络模型
航空发动机
健康监测方法
健康监测装置
稳态
地质灾害监测方法
融合多源
高分辨率光学遥感影像
数字高程模型数据
地质灾害监测技术
邻居
工业时序数据
异常检测方法
数据隐私保护
多传感器
状态指示装置
实时状态信息
轨道吊车
风门
自动驾驶方法
油浸式变压器
绝缘结构
振动监测方法
绕组
振动监测系统