摘要
本申请涉及智能控制领域,具体公开了一种基于多源数据的纺丝熔体流变控制方法及系统,其通过获取设备振动和工艺参数数据,分别提取并融合其特征,形成全面的多模态视图以克服信息孤岛;针对融合数据的高维冗余,方案进一步提取关键成分,聚焦核心信息;为提高对微弱异常的敏感性,对关键特征进行细粒度强化。最终将融合降维增强后的多模态特征输入训练好的深度自编码器,通过监测重构误差实现对纺丝熔体流变异常的早期预警。
技术关键词
模式特征向量
高频设备
纺丝熔体
设备健康状态
编码向量
重构误差
参数
多模态特征融合
数据流特征
时序卷积神经网络
时序特征
序列
信号
神经神经网络
数据项
编码器
系统为您推荐了相关专利信息
深度学习模型
调制解调方法
低信噪比环境
接收机
中频信号
铁路扣件
视觉特征编码
缺陷检测方法
ROI图像
像素
识别预警方法
电网设备缺陷
数字孪生模型
设备运行数据
卡尔曼滤波技术
农作物病害
图像分类方法
图像高维特征
图像编码器
图像特征提取
编码向量
药动学
数学模型参数
自动优化方法
时序