The invention proposes a method of industrial data fault prediction based on periodic predictive neural network, which includes the following steps: (1) exploring branch loops for design mode, establishing equipment operation mode, and storing and expressing various operation states and time series relations of equipment. (2) A periodic predictive neural network is designed to predict the next state and its failure probability in the cloud environment according to the time series of the current period. (3) In the cloud environment, through the selection of dynamic nodes and data duality in the running process, the new faults are excavated iteratively, and the data experiment mechanism is established to realize the fault prediction in the real-time cloud environment. A fault prediction method for industrial data based on periodic predictive neural network is proposed. The method combines the fault prediction of industrial data with the neural network. The prediction accuracy of the algorithm is improved by designing a periodic predictive neural network model.
【技术实现步骤摘要】
一种基于周期性预测神经网络的工业数据故障预测方法
本专利技术涉及神经网络、故障预测、大数据云计算环境,具体涉及到一种基于周期性预测神经网络的工业数据故障预测方法。
技术介绍
随着云计算技术的广泛应用,工业设备运行管理采用现场数据收集后,传送到云端进行数据分析处理,这已经成为一个通用的模式。一个迫切的问题是大量历史数据的有效挖掘与动态运行数据的实时处理如何有机融合,从而实现数据智能,解决设备运行中出现的问题。显然,这需要一种基于周期性预测神经网络的工业数据故障预测方法,支撑大规模时间序列数据的智能处理。故障诊断预测的难点在于:实际场景中收集到的大规模时序数据中,故障数据通常非常稀少,未来的故障可能是以前没有发生过的故障,难以实现有效的故障分析和预测。各种场景限制带来的数据的不完备是目前大数据处理研究的一个普遍问题。如果仅仅从实际数据进行分析,无法从理论上验证实际系统故障所可能产生的所有场景,从而也难以发掘故障产生的所有模式并有效进行故障预测。本方法采用一种基于周期性预测神经网络的工业数据故障预测方法能较为准确的故障预测。该方法通过建立周期性神经网络预测模型,提高算法训练的速度;通过根据当前一个周期的时间序列预测下一个状态以及其故障的概率,减少预测数据异常错误率使得算法稳定性大大提升;
技术实现思路
为解决现有技术中的缺点和不足,本专利技术提出了一种基于周期性预测神经网络的工业数据故障预测方法,通过周期性预测神经网络模型,进行工业数据故障预测,准确进行工业设备故障预测与提升预测准确率。本专利技术的技术方案为:a.设计模式探索分支环,建立设备运行状态模式,用于存储和 ...
【技术保护点】
1.一种基于周期性预测神经网络的工业数据故障预测方法,其特征在于,采用周期性预测神经网络模型方法,并结合工业海量数据,进行设备故障预测,包括以下步骤:周期性预测神经网络模型主要基于GRU,即门控递归单元。针对周期性数据的特点,重新设计周期性预测神经网络模型,重点在于设计神经元连接方式和损失函数。神经网络输出模块设计为两个,一个输出下一步状态Vi+1,一个输出对于下一步状态的评估结果Pi+1。Q(s_i)=(Vi+1,Pi+1) (1)周期性预测神经网络模型输入的s_i为当前数据节点往前推一个周期的数据状态变化轨迹,输出的Vi+1为选择下一个数据节点和选择它之后的故障概率Pi+1。
【技术特征摘要】
1.一种基于周期性预测神经网络的工业数据故障预测方法,其特征在于,采用周期性预测神经网络模型方法,并结合工业海量数据,进行设备故障预测,包括以下步骤:周期性预测神经网络模型主要基于GRU,即门控递归单元。针对周期性数据的特点,重新设计周期性预测神经网络模型,重点在于设计神经元连接方式和损失函数。神经网络输出模块设计为两个,一个输出下一步状态Vi+1,一个输出对于下一步状态的评估结果Pi+1。Q(s_i)=(Vi+1,Pi+1)(1)周期性预测神经网络模型输入的s_i为当前数据节点往前推一个周期的数据状态变化轨迹,输出的Vi+1为选择下一个数据节点和选择它之后的故障概率Pi+1。周期性预测神经网络模型的结构如图1所示。输出值为上...
【专利技术属性】
技术研发人员:耿祖琨,张卫山,任鹏程,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。