买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：常熟理工学院

摘要：本申请涉及工业设备征兆预测技术领域，公开了一种数据驱动的工业设备征兆预测方法、装置及介质。所述方法包括：对工业设备的运行状态进行实时采样，得到多元时间序列数据；通过时间序列重构模型对多元时间序列数据进行编码和解码处理，得到重构输出；对多元时间序列数据和重构输出进行差异计算，得到包含多个一元特征重构误差和多个多元特征重构误差的重构误差集合；对重构误差集合进行评分处理，得到异常评分，其中，异常评分包括：多个多元特征异常评分和多个一元特征异常评分；对异常评分进行阈值估算，得到异常阈值，对异常评分和异常阈值进行比较判断，得到当前状态的异常判定结果。本申请提高数据驱动的工业设备征兆预测的准确率。

主权项：1.一种数据驱动的工业设备征兆预测方法，其特征在于，所述数据驱动的工业设备征兆预测方法包括：对工业设备的运行状态进行实时采样，得到包含多个一元特征和多个多元特征的多元时间序列数据；通过预置的时间序列重构模型对所述多元时间序列数据进行编码和解码处理，得到重构输出；对所述多元时间序列数据和所述重构输出进行差异计算，得到包含多个一元特征重构误差和多个多元特征重构误差的重构误差集合；对所述重构误差集合进行评分处理，得到异常评分，其中，所述异常评分包括：多个多元特征异常评分和多个一元特征异常评分；对所述异常评分进行阈值估算，得到异常阈值，对所述异常评分和所述异常阈值进行比较判断，得到当前状态的异常判定结果；当所述异常判定结果为异常时，对未来时间段内的多个一元特征重构误差和多个多元特征重构误差分别进行预测，得到预测的重构误差时间序列集合，具体包括：对径向基函数神经网络模型进行预测模型构建，得到多元特征重构误差预测模型；对M维径向基函数神经网络模型进行预测模型构建，得到一元特征重构误差预测模型，其中，M为一元特征的个数，M为大于1的正整数；对所述重构误差集合中的多元特征重构误差进行时间序列整理，得到多元特征重构误差时间序列；通过所述多元特征重构误差时间序列对所述多元特征重构误差预测模型进行训练，得到训练完成的多元特征预测模型；对所述重构误差集合中的多个一元特征重构误差分别进行时间序列整理，得到M个一元特征重构误差时间序列；通过所述M个一元特征重构误差时间序列对所述一元特征重构误差预测模型进行训练，得到训练完成的一元特征预测模型；通过所述训练完成的多元特征预测模型对未来时间段内的多元特征重构误差进行预测，得到预测的多元特征重构误差时间序列；通过所述训练完成的一元特征预测模型对未来时间段内的M个一元特征重构误差分别进行预测，得到M个预测的一元特征重构误差时间序列；将所述预测的多元特征重构误差时间序列和所述M个预测的一元特征重构误差时间序列进行合并，得到预测的重构误差时间序列集合；对所述预测的重构误差时间序列集合中的每个时间序列进行统计特征计算，得到统计特征结果集合；对所述统计特征结果集合中的每个统计特征结果进行平稳性判断，得到平稳性判断结果集合；当所述平稳性判断结果集合中存在不平稳结果时，对相应的预测重构误差时间序列进行异常分数计算，得到异常分数集合；对所述异常分数集合进行特征匹配，得到征兆特征集合。

全文数据：

权利要求：

百度查询： 常熟理工学院 数据驱动的工业设备征兆预测方法、装置、设备及介质