一种基于LSTM-VAE的动设备健康状况评估方法
公开
摘要
本发明公开了一种基于LSTM‑VAE的动设备健康状况评估方法，包括以下步骤：收集、整理动设备传感器历史监测数据，选取工况指标数据；设计基于k‑means聚类的工况识别方法对设备运行工况进行划分；按工况类别分组进行预处理、标准化，将各工况标准化结果集重组；将数据集拆分为封装着子序列的窗口序列；设计LSTM‑VAE模型，并计算历史监测数据健康度；设计线性回归模型，使监测数据直接映射到健康度；复杂工况下，在线进行动设备健康状况评估。本发明改善了模型的通用性，降低了人工参与度，模型可自动从复杂信息中完成关键特征提取，不再依赖专业领域人员的参与特征挖掘，符合当前健康状况评估建模方法的发展趋势。
基本信息
专利标题 ：
一种基于LSTM-VAE的动设备健康状况评估方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580291A
申请号 ：
CN202210230329.1
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李郭敏张力翔
申请人 ：
未必然数据科技（北京）有限公司
申请人地址 ：
北京市海淀区花园东路30号花园饭店7号楼3层7301
代理机构 ：
北京天江律师事务所
代理人 ：
何志国
优先权 ：
CN202210230329.1
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
