Indexed by：
Abstract：
本发明公开了一种基于多算法融合的制冷设备的自适应阈值的故障预测的方法，属于制冷设备和深度学习领域。本发明引入LSTM循环神经网络和深度自编码网络于制冷设备的故障预测中，通过训练DAE网络，构建制冷设备的深度自编码学习模型。依据DAE的输入输出关系和故障状态下各部件动态参数发生不稳定变化这一特征，利用冷水机组部件深度学习网络的输入与其重构值计算重构误差，通过设定自适应阈值监测重构误差的趋势变化，最终作为状态异常预警的判定准则。本发明充分融合了LSTM长短记忆网络的特点，不仅可以对短时间序列进行预测，而且能够对长时间序列进行较好的预测。通过LSTM预测出的数据输入到深度自编码网络，实现动态预警。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN201910914924.5
Filing Date： 2019-09-26
Publication Date： 2020-01-14
Pub. No.： CN110689075A
Applicants： 北京工业大学
Legal Status： 撤回-视为撤回
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
