面向港口大型设备健康状态监测的模型训练方法

本发明涉及一种面向港口大型设备健康状态监测的模型训练方法，具体如下：对港口大型设备检测数据进行采集、标注和数据集划分；对采集的数据进行自适应时频分解和特征重构，采用改进的自适应噪声完备集合经验模态分解和动态谱峭度融合方法，生成分解重构矩阵；构建深度学习模型，将样本数据经过处理后分别输入至该模型中对模型进行训练，得到训练好的模型；实时采集港口大型设备检测数据，经过处理后输入至训练好的模型中，输出健康状态概率分布结果，根据概率分布的最大值确定设备当前健康状态类别。本发明通过对采集的样本数据进行自适应时频分解和特征重构，构建深度学习模型并对其进行训练，可以对设备运行状态进行实时健康检测与劣化评估。