公开(公告)号：CN112580798A

公开(公告)日：2021-03-30

申请号：CN202011400285.X

申请日：2020-12-03

Applicant: 哈尔滨电站设备成套设计研究所有限公司

Inventor： 张振宇 ,  刘东举 ,  王硕 ,  刘朝阳

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06K9/00 ,  G06F17/16

Abstract: 基于多输入多输出ResNet网络的设备智能预警方法。利用深度残差网络ResNet处理数据预测回归问题，并通过对训练数据集和ResNet网络的合理构造，实现一张网络同时对多特征进行预测回归，降低了训练参数数量，提升了训练速度和效率。本发明包括如下步骤：选取设备相关历史数据，并进行预处理；构建多输入多输出ResNet网络；利用经预处理后的设备相关历史数据对多输入多输出ResNet网络进行训练，得到智能预警模型，并分析训练结果，得到残差阈值；获取设备相关实时数据，利用智能预警模型计算预测值，并根据残差阈值判断设备运行状态。本发明用于设备智能预警。

公开(公告)号：CN112580784A

公开(公告)日：2021-03-30

申请号：CN202011491711.5

申请日：2020-12-16

Applicant: 哈尔滨电站设备成套设计研究所有限公司

Inventor： 刘东举 ,  张振宇 ,  孟兆博 ,  李昊

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06K9/62 ,  G06F17/16

Abstract: 本发明涉及一种基于多输入多输出卷积神经网络的设备智能预警方法。目前，在发电、化工等传统工业领域，运行人员通常通过监视控制系统中接入的设备各传感器信号来判断设备运行状态，但对单个传感器信号的监视不能及时发现设备的异常状态。一种基于多输入多输出卷积神经网络的设备智能预警方法，选取设备相关历史数据，并进行预处理；构建多输入多输出卷积神经网络；利用经预处理后的设备相关历史数据对多输入多输出卷积神经网络进行训练，得到智能预警模型，并分析训练结果，得到残差阈值；获取设备相关实时数据，利用智能预警模型计算预测值，并根据残差阈值判断设备运行状态。本发明主要应用于设备故障预警领域。