一种基于胶囊网络多分类模型的冷水机故障检测方法技术

本发明专利技术提出一种基于胶囊网络多分类模型的冷水机故障检测方法，包括构建基于胶囊网络的冷水机故障检测模型；从冷水机组故障标准数据集中获取数据并对获取到的数据进行预处理，得到冷水机故障数据集，将冷水机故障数据集划分为训练集、验证集和测试集；训练冷水机故障检测模型；测试冷水机故障检测模型；将待检测的冷水机数据输入测试后的冷水机故障检测模型中，得到输出检测结果。本发明专利技术不需要进行大量的人工成本的投入，也不需要人工分析大量的数据，检测效率高且能够更准确的输出检测结果，使用胶囊网络进行建模和识别，不需要大量的训练数据，但能够更好地对冷水机的故障进行判断，提高了故障检测的准确率和鲁棒性。

【技术实现步骤摘要】

本专利技术属于故障检测，具体涉及一种基于胶囊网络多分类模型的冷水机故障检测方法。背景介绍故障检测技术是指对于某一设备、系统或过程进行检测，以判断其是否处于正常工作状态，并在检测到异常情况时及时发出警报并采取相应的措施，以避免设备、系统或过程进一步损坏或影响生产效率。在现代工业生产中，故障检测技术已成为提高生产效率和产品质量、减少能源浪费和物料损失的重要手段。目前，故障检测技术主要包括传统的基于规则的方法和基于机器学习的方法，传统的基于规则的方法是通过专家知识和先验规则来设计故障检测系统，这种方法的优点是解释性强、易于理解和调试，但缺点是对于复杂的系统难以建立完整的规则库，且规则库的维护和更新成本较高；而基于机器学习在故障检测方面的应用已经成为当前研究热点之一。传统的基于规则的故障检测方法需要人工分析大量数据，其效率低且易出错。但机器学习算法可以自动学习并识别特定模式，从而能够快速准确地检测出潜在的故障。随着深度学习算法的兴起，卷积神经网络、循环神经网络、自编码器等算法也被广泛应用于基于机器学习故障检测任务中，这些算法通过层次化的特征提取和表征学习，能够从原始数据中提取出更加抽象、本文档来自技高网...

【技术保护点】

1.一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤S1中，所述卷积神经网络层包括

3.根据权利要求2所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤S1中，所述主胶囊层包括

4.根据权利要求3所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤S1中，所述数字胶囊层根据胶囊矩阵向量的形状计算胶囊矩阵向量的数量和维度，通过添加权重构建权重张量，所述权重张量包括输入胶囊、输出胶囊和转移矩阵...

【技术特征摘要】

1.一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤s1中，所述卷积神经网络层包括

3.根据权利要求2所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤s1中，所述主胶囊层包括

4.根据权利要求3所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤s1中，所述数字胶囊层根据胶囊矩阵向量的形状计算胶囊矩阵向量的数量和维度，通过添加权重构建权重张量，所述权重张量包括输入胶囊、输出胶囊和转移矩阵，将所述胶囊矩阵向量进行扩展后与所述权重张量相乘，并通过动态路由机制算法得到所述胶囊张量。

5.根据权利要求1所述的一种基于胶囊网络多分类模型的冷水机故障检测方法，其特征在于，所述步骤s2中，所述预处理包括将原数据集中的时间标记数据删除并分别加入0-8的标签，0-8的标签用于分别表示冷水机的九种不同运行状态，将加入标签后的数据读入内存，将数据中的缺失值填充为0，得到冷水机故障数据集；所述冷水机的九种不同运行状态包括冷凝器脏堵、制冷剂充注过量、制冷剂泄漏、内含不凝气体、冷冻水流量减小、冷却水流量减小、润滑油过量、导阀故障和正常运行。

6.根据权利要求5所述的一种...

【专利技术属性】
技术研发人员：徐博，刘媛婷，朱超越，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：