公开(公告)号：CN112131673B

公开(公告)日：2021-09-28

申请号：CN202011056637.4

申请日：2020-09-30

申请人： 西南石油大学

发明人： 郑德生 ,  唐晓澜 ,  张柯欣 ,  邓碧颖 ,  蒋东浦 ,  吴欣隆

IPC分类号： G06F30/15 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了基于融合神经网络模型的发动机喘振故障预测系统及方法，属于时间序列数据预测技术领域，系统包括：预测模块，用于发动机的三维结构时间序列数据生成指定长度的预测时间序列；特征提取模块，用于提取预测时间序列的局部特征、数据间的语义关系，以及整体序列趋势特征；分类模块，用于根据预测时间序列的局部特征、数据间的语义关系，以及整体序列趋势特征判断是否为喘振故障。本发明先生成指定长度的预测时间序列，即实现未来一段时间内发动机的工作状态数据的预测，再判断未来一段时间内发动机的工作状态数据是否包括喘振故障数据，以此对发动机喘振故障进行更加准确、快速的提前预测。

公开(公告)号：CN112131673A

公开(公告)日：2020-12-25

申请号：CN202011056637.4

申请日：2020-09-30

申请人： 西南石油大学

发明人： 郑德生 ,  唐晓澜 ,  张柯欣 ,  邓碧颖 ,  蒋东浦 ,  吴欣隆

IPC分类号： G06F30/15 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了基于融合神经网络模型的发动机喘振故障预测系统及方法，属于时间序列数据预测技术领域，系统包括：预测模块，用于发动机的三维结构时间序列数据生成指定长度的预测时间序列；特征提取模块，用于提取预测时间序列的局部特征、数据间的语义关系，以及整体序列趋势特征；分类模块，用于根据预测时间序列的局部特征、数据间的语义关系，以及整体序列趋势特征判断是否为喘振故障。本发明先生成指定长度的预测时间序列，即实现未来一段时间内发动机的工作状态数据的预测，再判断未来一段时间内发动机的工作状态数据是否包括喘振故障数据，以此对发动机喘振故障进行更加准确、快速的提前预测。