- 1、本文档共15页,其中可免费阅读14页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及基于特征提取与特征融合的轻量化设备故障预测方法。该方法包括:获取设备多传感器原始监测数据,对传感器原始数据进行K‑Means聚类、Z‑Score标准化以及剩余寿命标签折线化预处理;基于Pearson相关系数指标、最大信息系数指标与单调性指标对预处理后的传感器特征进行评估;采用CRITIC赋权法确定各项特征评价指标的权重;采用模拟退火算法筛选出最优传感器特征子集;采用主成分分析方法得到传感器特征。将特征输入轻量化LSTM网络进行训练,得到故障预测模型并经其预测得到设备的剩余使用寿命;本发
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117786591A
(43)申请公布日2024.03.29
(21)申请号202311707769.2G06F18/214(2023.01)
文档评论(0)