摘要
本发明适用于采煤机离线数据清洗技术领域,提供了一种采煤机离线数据清洗方法,包括以下步骤:S1、多数据融合预处理,得到预处理数据集;S2、基于所述预处理数据集,执行动态阈值异常检测,得到检测结果数据集;S3、基于所述检测结果数据集,进行缺失修复与噪声抑制,得到清洗后数据集;S4、基于所述清洗后数据集,进行清洗效果评估,多源数据融合预处理:采集采煤机牵引速度传感器数据、振动传感器数据、液压系统压力数据及煤层地质参数数据,通过卡尔曼滤波实现了对多源数据的融合处理,另外,继续对数据集进行动态阈值异常检测,解决了传统数据清洗方法中基于固定阈值的异常检测、简单插值填充的问题,提高了清洗精度,降低了误判率。
技术关键词
数据清洗方法
噪声抑制
离线
循环神经网络模型
卡尔曼滤波模型
支持向量机分类
速度传感器
振动传感器
观测噪声
数据清洗技术
协方差矩阵
频域特征
统计特征
压力
卡尔曼滤波算法
采煤机工作
动态
系统为您推荐了相关专利信息
电压
噪声抑制方法
噪声信息
信息处理
噪声抑制装置
网络入侵检测方法
网络入侵检测模型
检测网络流量
样本
高维特征向量