一种基于神经网络的制冷设备故障预测方法

发明专利有效专利

申请号：
CN201811149566.5
IPC分类号：G06N3/04;G06N3/08;G06Q10/04;G06Q10/06
申请日期：
2018-09-29
申请人：
广州博通信息技术有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于神经网络的制冷设备故障预测方法
申请号	CN201811149566.5	申请日期	2018-09-29
法律状态	实质审查	申报国家	中国
公开/公告日	2019-02-05	公开/公告号	CN109308519A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;1;0;/;0;6查看分类表>
申请人	广州博通信息技术有限公司	申请人地址	广东省广州市南沙区环市大道南25号A4栋606房变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广州博通信息技术有限公司	当前权利人	广州博通信息技术有限公司
发明人	黎国华;肖杰荣;蔡沐宇
代理机构	佛山帮专知识产权代理事务所（普通合伙）	代理人	颜德昊

摘要

本发明提出了一种基于神经网络的制冷设备故障预测方法，包括以下步骤：获取制冷设备中对故障敏感的N个传感器所采集到的时序数据集；根据时序数据集构建长短期神经网络模型，并根据长短期神经网络模型得到时序数据集的实际预测结果；根据时序数据集确定故障判别模型f(x)；获取部分已知制冷设备的故障情况的真实数据集，并根据故障判别模型f(x)及真实数据集确定故障阈值；根据故障判别模型确定实际预测结果的概率密度，通过实际预测结果的概率密度与故障阈值进行对比来判断制冷设备的健康情况。本发明采用长短期神经网络模型和故障判别模型f(x)相结合的方式对制冷设备进行故障预测，可有效预测制冷设备的健康状况。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供