基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法技术

本发明专利技术涉及一种基于注意力机制的CNN‑LSTM制冷机组传感器偏差故障诊断方法，包括以下步骤：将制冷机组传感器采集到的数据进行预处理，并转换成灰度图像；将灰度图像作为卷积神经网络的输入，进行特征提取；基于卷积神经网络增添并行注意力机制支路来提取图像的显著性特征，将支路的输出同卷积神经网络的输出逐元素相乘进行特征融合；融合的结果作为长短期记忆网络的输入，进一步捕捉融合特征的时间依赖性，最终得到分类标签，从而快速、准确地检测出制冷机组传感器故障，避免造成能源的浪费，提高设备的使用寿命。

【技术实现步骤摘要】
基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法
本专利技术属于制冷机组多传感器故障诊断
，尤其是一种基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法。
技术介绍
随着经济社会的快速发展，能源短缺问题也日益加剧，节能降耗是我们不得不考虑的重要问题。建筑工程行业是高能耗行业，而暖通空调则是建筑行业中最耗能的设备之一，其中制冷机组是暖通空调的主要耗能部件。在许多公共建筑中，制冷机组的工作时间长，功率大，若制冷机组发生故障，则会导致能源的极度浪费，同时也会缩短机组的使用寿命。而在制冷机组中，所有传感器的读数是空调系统检测和控制的必要条件，准确的传感器读数是实现空调系统良好运行的重要条件。因此，制冷机组的多传感器故障诊断对于空调系统的稳定、安全、节能运行至关重要，准确、快速地检测出传感器故障不仅可以保证系统的安全，还可以降低能耗，延长空调系统使用寿命。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种设计合理且能充分挖掘制冷机组多传感器动态特征的基于注意力机制的CNN-LSTM本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法，其特征在于包括如下步骤：/n步骤1、将制冷机组传感器采集到的数据进行预处理，并分为不同组别，在不同组别中分别加入偏差故障，对应于每个传感器分别发生故障和所有传感器均不发生故障的情况；/n步骤2、将所有组别的数据均进行归一化操作，并将归一化后数据转换成对应于不同故障情况的灰度图像，并设置相应标签；/n步骤3、使用CNN对不同故障情况的灰度图像进行特征提取；/n步骤4、基于CNN增添并行注意力机制支路，利用注意力机制模块提取图像的显著性特征，并将其输出数值约束在0-1之间；/n步骤5、将CNN的输出特征与其对应注意力机制模块输...

【技术特征摘要】
1.一种基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法，其特征在于包括如下步骤：
步骤1、将制冷机组传感器采集到的数据进行预处理，并分为不同组别，在不同组别中分别加入偏差故障，对应于每个传感器分别发生故障和所有传感器均不发生故障的情况；
步骤2、将所有组别的数据均进行归一化操作，并将归一化后数据转换成对应于不同故障情况的灰度图像，并设置相应标签；
步骤3、使用CNN对不同故障情况的灰度图像进行特征提取；
步骤4、基于CNN增添并行注意力机制支路，利用注意力机制模块提取图像的显著性特征，并将其输出数值约束在0-1之间；
步骤5、将CNN的输出特征与其对应注意力机制模块输出的显著性特征进行逐元素相乘；
步骤6、相乘得到的结果作为LSTM的输入，通过LSTM捕捉时序数据的时间相关性，最终输出分类标签。


2.根据权利要求1所述的基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法，其特征在于，步骤1中，制冷机组传感器包括温度传感器和压力传感器。


3.根据权利要求1所述的基于注意力机制的CNN-LSTM制冷机组传感器偏差故障诊断方法，其...

【专利技术属性】
技术研发人员：李冬辉，刘功尚，高龙，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12