摘要
本申请公开了一种基于DDPM的冷水机组故障监测方法、设备及介质,方法包括:对冷水机组在不同状态下的运行数据进行数据标准处理,得到一维时序数据;将一维时序数据进行连续小波变换,得到二维时频图;将二维时频图输入去噪扩散概率模型,向二维时频图引入噪声,得到噪声覆盖图;对噪声覆盖图进行噪声预测,根据预测噪声对噪声覆盖图进行反向去噪,得到数据增强时频图;在数据增强时频图具有故障时频图时,将故障时频图与二维时频图进行融合,得到增广数据集;根据增广数据集与预先构建的轻量级残差卷积神经网络,得到冷水机组的故障类型。通过去噪扩散概率模型增噪和去噪过程,有效扩充原始数据集,为故障诊断提供更丰富有效的数据支持。
技术关键词
残差卷积神经网络
冷水机组故障
数据
监测方法
噪声预测
连续小波变换
计算机可执行指令
故障类别
时序
随机噪声
处理器通信
监测设备
存储器
训练集
介质
系统为您推荐了相关专利信息
率控制方法
混合网络模型
双向长短期记忆网络
气体排放
电子控制单元执行
模型训练方法
视频生成技术
分类模型训练
模型训练装置
特征提取模块
能源调度方法
智能电表
数据
能源调度系统
时间序列预测模型