公开(公告)号：CN117312903A

公开(公告)日：2023-12-29

申请号：CN202311039407.0

申请日：2023-08-17

Applicant: 杭州电子科技大学

Inventor： 丁强 ,  李聪 ,  孙雨 ,  江爱朋 ,  夏宇栋 ,  姜周曙

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了面向冷水机组LSTM故障诊断的协变量偏移修正方法，属于冷水机组故障诊断方法领域。本发明针对单一神经网络如1DCNN网络无法充分提取数据特征的缺点，选择使用LSTM网络与1DCNN相结合的深度学习故障诊断方法。该方法结合1DCNN提取样本局部特征和LSTM处理样本时间序列的优点，从空间与时间维度充分提取数据样本特征；针对神经网络中存在内部协变量偏移导致网络训练过程不稳定、过拟合问题，利用层归一化(LN)技术，在数据特征信息进入LSTM层之前对其进行归一化操作，有效解决协变量偏移导致的网络训练过拟合问题，提高了各故障的诊断准确率，从而提升模型总体诊断性能，实现了冷水机组故障的有效诊断。

公开(公告)号：CN114781507B

公开(公告)日：2024-04-05

申请号：CN202210406244.4

申请日：2022-04-18

Applicant: 杭州电子科技大学

Inventor： 丁晓雯 ,  丁强 ,  顾君垚 ,  李聪 ,  孙雨

IPC: G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/20 ,  G06Q50/06

Abstract: 本发明涉及一种基于1DCNN‑DS的冷水机组故障诊断方法，本发明针对冷水机组的故障状态数据获取成本高，不能提供大量训练数据的缺点，选取了计算复杂度低的1DCNN网络来对数据进行分类有关潜在特征的提取，解决了其他传统神经网络冷水机组故障诊断方法需要大规模训练数据以达到效果的问题；针对RL、RO、EO三种系统级故障状态与正常状态运行参数相似而易错分，导致诊断模型整体准确率被拉低的问题，利用DS面对冲突证据情况时的谨慎推测能力进行解决，将DS以神经网络结构形式实现，并结合期望效用计算，嵌入1DCNN模型中代替具有softmax的全连接层进行决策，有效提高了这三类系统故障的诊断准确率，从而提升模型总体诊断准确率，实现了冷水机组故障的有效诊断。

公开(公告)号：CN114781507A

公开(公告)日：2022-07-22

申请号：CN202210406244.4

申请日：2022-04-18

Applicant: 杭州电子科技大学

Inventor： 丁晓雯 ,  丁强 ,  顾君垚 ,  李聪 ,  孙雨

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/00 ,  G06Q50/06

Abstract: 本发明涉及一种基于1DCNN‑DS的冷水机组故障诊断方法，本发明针对冷水机组的故障状态数据获取成本高，不能提供大量训练数据的缺点，选取了计算复杂度低的1DCNN网络来对数据进行分类有关潜在特征的提取，解决了其他传统神经网络冷水机组故障诊断方法需要大规模训练数据以达到效果的问题；针对RL、RO、EO三种系统级故障状态与正常状态运行参数相似而易错分，导致诊断模型整体准确率被拉低的问题，利用DS面对冲突证据情况时的谨慎推测能力进行解决，将DS以神经网络结构形式实现，并结合期望效用计算，嵌入1DCNN模型中代替具有softmax的全连接层进行决策，有效提高了这三类系统故障的诊断准确率，从而提升模型总体诊断准确率，实现了冷水机组故障的有效诊断。