-
公开(公告)号：CN110287583A
公开(公告)日：2019-09-27
申请号：CN201910540856.0
申请日：2019-06-21
Applicant: 上海交通大学
Abstract: 本发明提供一种基于循环神经网络的工业设备剩余寿命预测方法，包括步骤：S1：获取工业设备的设备数据；S2：对设备数据进行预处理；S3：使用变分自编码器对预处理数据进行特征提取并分类；S4：将分类结果转化为独热编码并与设备数据拼接，获得第一输入数据；S5：对第一输入数据提取高维特征；S6：对高维特征进行线性叠加形成注意力层；S7：将注意力层与待预测序列的数据融合，并输入解码器中，获得多个预测结果；S8：利用核密度估计拟合其方差与预测结果分位点的函数关系获得最优分位点，作为最终预测结果。本发明的一种基于循环神经网络的工业设备剩余寿命预测方法，具有优良建模能力，并提升了对工业设备剩余寿命预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112215489A
公开(公告)日：2021-01-12
申请号：CN202011084203.5
申请日：2020-10-12
Applicant: 上海交通大学
Abstract: 本发明公开了一种工业设备异常检测方法，所述检测方法包括：获取所述工业设备中传感器采集的实时量测数据；使用历史数据构建对照时空矩阵S；使用所述实时量测数据构建实时时空矩阵X；根据所述对照时空矩阵S与所述实时时空矩阵X获取乘积矩阵C；估计所述乘积矩阵C的极限谱；根据所述极限谱计算所述极限谱的均值，并设置阈值；将所述极限谱的均值与所述阈值进行比较并根据所述比较的结果对所述工业设备是否异常做出判断。本发明克服了工业设备振动数据中存在大幅振动干扰的情况，有效地提高了工业设备异常检测精度；对工业设备监测数据具有优良的建模能力，对工业设备的异常有着很强的敏感度，有着很高的异常检测精度。
-
公开(公告)号：CN112182976B
公开(公告)日：2023-03-24
申请号：CN202011083726.8
申请日：2020-10-12
Applicant: 上海交通大学
IPC: G06F30/27 , G06Q10/04 , G06N3/0442 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种工业设备剩余寿命预测方法，所述预测方法包括：传感器采集所述工业设备的量测数据；对所述量测数据进行预处理获取预处理数据；将所述预处理数据输入至编码器中的双向门控循环单元获取输入特征向量；将所述输入特征向量输入至标准化流层获取输出特征向量；将所述输出特征向量输入至解码器获取对所述工业设备剩余寿命的预测结果。本发明嵌入的标准化流层与传统的神经网络结构部分连接紧密，且一同初始化与训练，具备优越的时序数据建模能力，提高了工业设备的剩余寿命预测效果。
-
公开(公告)号：CN110287583B
公开(公告)日：2021-01-29
申请号：CN201910540856.0
申请日：2019-06-21
Applicant: 上海交通大学
Abstract: 本发明提供一种基于循环神经网络的工业设备剩余寿命预测方法，包括步骤：S1：获取工业设备的设备数据；S2：对设备数据进行预处理；S3：使用变分自编码器对预处理数据进行特征提取并分类；S4：将分类结果转化为独热编码并与设备数据拼接，获得第一输入数据；S5：对第一输入数据提取高维特征；S6：对高维特征进行线性叠加形成注意力层；S7：将注意力层与待预测序列的数据融合，并输入解码器中，获得多个预测结果；S8：利用核密度估计拟合其方差与预测结果分位点的函数关系获得最优分位点，作为最终预测结果。本发明的一种基于循环神经网络的工业设备剩余寿命预测方法，具有优良建模能力，并提升了对工业设备剩余寿命预测的准确度。
-
公开(公告)号：CN112182976A
公开(公告)日：2021-01-05
申请号：CN202011083726.8
申请日：2020-10-12
Applicant: 上海交通大学
IPC: G06F30/27 , G06Q10/04 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种工业设备剩余寿命预测方法，所述预测方法包括：传感器采集所述工业设备的量测数据；对所述量测数据进行预处理获取预处理数据；将所述预处理数据输入至编码器中的双向门控循环单元获取输入特征向量；将所述输入特征向量输入至标准化流层获取输出特征向量；将所述输出特征向量输入至解码器获取对所述工业设备剩余寿命的预测结果。本发明嵌入的标准化流层与传统的神经网络结构部分连接紧密，且一同初始化与训练，具备优越的时序数据建模能力，提高了工业设备的剩余寿命预测效果。
-
公开(公告)号：CN111881298A
公开(公告)日：2020-11-03
申请号：CN202010771936.X
申请日：2020-08-04
Applicant: 上海交通大学
Abstract: 本发明公开了一种半结构化文本处理及分析方法。所述文本处理及分析方法包括：将树状语义信息转换为词向量，将所述词向量拼接为语义矩阵，输入所述语义矩阵对双向长短期记忆网络按训练标签进行分类训练，根据所述训练标签，所述双向长短期记忆网络的分类器输出设备状态预测结果，本发明能够充分挖掘文本中蕴含的设备状态信息，将半结构化文本量化，并将设备状态分为健康，一般缺陷，重要缺陷，紧急缺陷四类，同时能够精准描述并评估设备健康状态，从而指导运维和检修策略，并且可以结合设备的结构化数据，实现基于异构数据的设备状态监测与评估。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
