一种基于机器学习LSTM、SVM的电流波动异常检测方法

本发明提供一种基于机器学习LSTM、SVM的电流波动异常检测方法，包括数据采集与预处理步骤、特征提取步骤、机器学习模型训练步骤、异常检测与报警步骤以及远程监控步骤；其中，机器学习模型训练步骤包括SVM训练以及LSTM训练；异常检测与报警包括：SVM实时分类：将实时采集并预处理后的信号输入训练好的SVM模型，若SVM模型判定电机运行状态为异常，则输出报警信号；LSTM趋势预测：将计算得到的时间序列数据输入训练好的LSTM模型，若LSTM模型预测未来电流出现异常波动，则提前发出预警信号。本发明能够实现电机运行状态的实时监测与异常检测，提高设备的安全性和稳定性，降低故障停机风险，提高生产效率。