-
公开(公告)号:CN119128529B
公开(公告)日:2025-03-14
申请号:CN202411608810.5
申请日:2024-11-12
Applicant: 西南交通大学
IPC: G06F18/214 , G06F18/2135 , G06F18/243 , G06F18/2433 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及油液检测技术领域,提供一种机械装备润滑系统油液含水率预测方法,包括:S1、获取油液多维特征的历史数据集,按照油液特征和时间先后排列,制作成数据集1;S2、通过孤立森林剔除数据集1中的异常值和用离散小波变换去除数据噪声,制作成数据集2;S3、利用主成分分析对数据集2进行降维,剔除多维数据的冗余特征,制作成数据集3;S4、通过滞后的方式将数据集3转换为有监督学习的输入和输出序列,然后进行归一化处理,制作成数据集4;S5、将数据集4输入CNN‑BiLSTM‑Attention网络模型进行油液含水率的预测,获得最佳预测结果。本发明能够快速和准确预测油液含水率。
-
公开(公告)号:CN119128529A
公开(公告)日:2024-12-13
申请号:CN202411608810.5
申请日:2024-11-12
Applicant: 西南交通大学
IPC: G06F18/214 , G06F18/2135 , G06F18/243 , G06F18/2433 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及油液检测技术领域,提供一种机械装备润滑系统油液含水率预测方法,包括:S1、获取油液多维特征的历史数据集,按照油液特征和时间先后排列,制作成数据集1;S2、通过孤立森林剔除数据集1中的异常值和用离散小波变换去除数据噪声,制作成数据集2;S3、利用主成分分析对数据集2进行降维,剔除多维数据的冗余特征,制作成数据集3;S4、通过滞后的方式将数据集3转换为有监督学习的输入和输出序列,然后进行归一化处理,制作成数据集4;S5、将数据集4输入CNN‑BiLSTM‑Attention网络模型进行油液含水率的预测,获得最佳预测结果。本发明能够快速和准确预测油液含水率。
-