摘要
本发明公开了一种利用深度学习算法预测厨房垃圾处理器刀头寿命方法,属于数据处理技术领域,包括:获取厨房垃圾处理器的工况参数,生成包含有工况参数的标准化数据集;对标准化数据集提取振动信号频谱特征和电机电流谐波特征,构建多维特征集;将多维特征集输入预训练的长短期记忆网络模型,输出刀头磨损程度的评估值;提取超过预设阈值的刀头磨损程度的评估值对应的振动信号频谱特征和电机电流谐波特征,根据多维特征集匹配历史记录,采用滑动窗口加权算法计算剩余寿命预测值。所述利用深度学习算法预测厨房垃圾处理器刀头寿命方法解决了目前难以通过工况参数与剩余寿命之间的关联来预测刀头寿命,从而导致刀头寿命预测精准度低下的问题。
技术关键词
厨房垃圾处理器
寿命方法
深度学习算法
谐波特征
频谱特征
加权特征值
刀头
工况参数
电机运行状态
长短期记忆网络
加权算法
滑动窗口
横向拼接方法
时间序列分析方法
电流
振动特征
多维特征数据
剩余寿命预测
短时傅里叶变换