摘要
本发明公开一种硝化机多维度状态监测与健康管理方法和装置,涉及硝化机状态监测与健康管理领域;提出一种针对硝化机多维度状态监测与健康管理的全流程技术框架,涵盖设备状态监测参数选取、多维度数据采集、微弱故障特征提取、故障诊断、故障预警、健康状态评估到技术验证;提出深度学习与注意力机制结合的硝化机故障诊断模型,融合数据和故障机理,提高故障诊断结果可解释性;提出频谱结合beta‑VAE模型进行硝化机故障特征信号差异度检测,实现智能预警;提出融合故障机理的健康状态评估模型,为涉火设备的健康度评估提供参考;本发明实现对硝化机预测性维护,有利于推进“人机隔离、机器换人、黑灯工厂”工作,加速涉火企业智能化转型。
技术关键词
门控循环单元网络
训练样本数据
健康管理方法
平均无故障时间
故障诊断模型
故障模拟试验台
多维特征数据
一维卷积神经网络
训练特征
故障类别
注意力机制
预警模块
故障诊断模块
预警模型
Softmax分类器
编码器模块
健康管理装置
故障特征信号
系统为您推荐了相关专利信息
故障诊断方法
故障诊断模型
训练样本集
故障诊断分类
AdaBoost分类器
在线迁移学习
车辆故障诊断方法
车辆故障诊断系统
贝叶斯分类器
云端服务器
驱动系统设计方法
隧道掘进机
融合卷积神经网络
支持向量机回归
多尺度形态学
故障诊断模型
发动机故障诊断
序列
信号
模糊隶属函数
故障诊断预测方法
故障诊断模型
实时数据
历史维修记录
故障概率模型