一种基于GRU算法和SPC的动设备故障预警方法

本发明公开了一种基于GRU算法和SPC的动设备故障预警方法，具体包括以下步骤：步骤S1：采集动设备原始数据；步骤S2：对训练集进行数据处理，并保存训练集的标准化模型；步骤S3：构建GRU模型；步骤S4：应用模型前，对测点参数值进行处理；步骤S5：应用GRU模型估算；步骤S6：计算汇总动设备参数的偏离；步骤S7：通过偏离度em大小来判断动设备的健康状况；步骤S8：参考SPC标准的八大判异准则，定义可实时运行动设备健康度变化的SPC规则。本发明考虑到深度学习模型结构分析，所以提出一种基于深度学习模型，该模型可以将动设备的运行状态进行量化，即健康度估计，并结合SPC规则判断健康度的变化趋势，进而对动设备的健康状况进行预警。