摘要
本发明公开一种基于信息融合技术的焦化设备故障诊断方法,包括以下步骤:多源信号采集;信号预处理,对步骤S1的信号分别进行变分模态分解,提取前 N 阶模态分量并融合,对融合信号执行快速傅里叶变换转换为频域信号;深度特征提取,将步骤S2的频域信号归一化后输入变分自编码器,重复提取2~3次得到高维特征向量;多源信息加权融合,将步骤S3中的特征向量输入多层感知机,得到表明故障信息的特征集;故障分类模型训练,得到网络的最佳参数;未知故障诊断,采集未知状态下焦化设备信号。本发明通过整合振动信号、电机电流数据以及离心泵压力信息,实现对焦化设备的精准诊断,有效提升故障诊断的准确性和可靠性。
技术关键词
焦化设备
信息融合技术
故障诊断方法
故障分类模型
高维特征向量
深度特征提取
多层感知机
信号
电机电流数据
电机三相电流
离心泵入口
离心泵泵体
编码器
故障类别
逻辑
电流钳
传播算法
误差
网络
参数
系统为您推荐了相关专利信息
高维特征向量
工业产品缺陷检测
工业产品图像
深度迁移学习
工业缺陷检测
故障诊断模型
深度学习网络
轴承故障诊断方法
轴承故障特征
数据
历史性能数据
故障诊断方法
无人机系统
数字孪生模型
单位耗电量
数字化文物
资源共享方法
云平台
资源共享系统
解密密钥
稀疏字典
设备故障诊断方法
大语言模型
设备故障诊断装置
信号编码