摘要
本发明的一种多层次信息融合核动力器件健康状态预测方法及设备,以数据驱动为核心方法,以核动力生产装置中的阀门为主要对象,通过综合多层次、多维度的健康相关数据,实现了对阀门全面信息的融合,为健康状态评估提供了更为全面的视角。在数据建模方面引入了图深度学习,该模型具有优秀的图形结构适应性和对于多层次关联的敏感度,以便系统更灵活地适应复杂地非线性关系,增强对于多源数据的整合能力,使得阀门健康评估更具深度和精度。通过采用多层次信息融合的方法,系统能够全面考虑阀门健康评估中的多个因素,包括当前状态、运行历史等多维度数据,从而建立个体化的健康状态评估模型,使评估更加全面、深入。
技术关键词
多层次信息融合
健康状态预测方法
核动力装置
主客观融合
阀门部件
滑动窗口
深度学习理论
节点特征
组合赋权法
数据分析方法
矩阵
参数
加权方法
层次分析法
卷积模型
正交变换
图谱
系统为您推荐了相关专利信息
健康状态预测方法
储能电站电池
锂电池健康状态
神经网络预测模型
GRU神经网络
多源监测数据
配电终端
健康状态预测方法
样本
分类器
健康状态预测方法
无人机动力电池
量子态
量子旋转门
量子隧穿效应
健康状态预测方法
指数
生理
加权融合算法
皮质醇
RBF神经网络
健康状态预测方法
粒子
信号特征值
序列