基于自适应功率谱密度函数的振动频谱分类和堵管预测方法

本发明涉及基于自适应功率谱密度函数的振动频谱分类和堵管预测方法，使用补全时域数据的缺失值和替换异常值，以最先出现的数据为准删除时域数据的重复值，并对时域数据进行平滑处理，用离散傅里叶变换(DFT)对振动加速度数据进行频域特征提取和降维，利用机器学习分类模型对降维后的时域频域特征进行状态分类，在分类结果为工作状态的基础上，用历史累积数据建立的Transformer模型结合滑窗机制对批量输入的实测数据经离散傅里叶变换得到的功率谱密度函数特征进行自适应预测，当预测窗口表现出的特征满足历史数据体现的趋堵特征时，系统发出堵管预警。与现有技术相比，本发明能够有效对管道输送泥浆过程中的状态进行分类和实现管道堵管预警。