摘要
本发明公开了一种线性移动切割矿浆取样器在线异常监测方法及系统,涉及工业自动化技术领域,包括,对矿浆取样器工况数据集执行频带能量分离和滑动窗口统计分析,获取多维特征矩阵,并对多维特征矩阵执行权重分配和动态加权聚合,形成时空分析数据包,对时空分析数据包执行协同性分析,输出趋势协同交互矩阵;利用熵权法对趋势协同交互矩阵执行风险量化和贡献度分配,生成异常量化参数,并对异常量化参数进行置信度加权计算,形成异常概率值。本发明通过滑动窗口统计分析与熵权法对矿浆取样器工况数据集进行充分融合,同时通过动态因果图谱和时空卷积神经网络模型进行深度特征挖掘和空间关系融合,提升了异常监测的可靠性。
技术关键词
矿浆取样器
异常监测方法
时空卷积神经网络
矩阵
滑动窗口
多尺度特征
在线
图谱
线性
动态
节点
参数
工业自动化技术
多头注意力机制
指标
工况
时序
数据分析模块
强度
序列
系统为您推荐了相关专利信息
强化学习算法
转移概率矩阵
变压器分接头
分布式电源
电压
短期风电功率预测方法
气象
超短期风电功率预测
长短期记忆神经网络
误差预测
负荷预测模型
空调负荷预测方法
混合核函数
历史负荷数据
设备运行数据