【技术实现步骤摘要】
本专利技术属于冷水机组故障诊断，具体涉及一种基于热力学约束与注意力强化的冷水机组故障预测方法。
技术介绍
1、制冷空调系统是建筑运行中的主要耗能部分，且冷水机组又是制冷空调系统中的主要耗能部件。由于冷水机组的复杂性，造成其在运行过程中难免发生故障。而可靠的运行、合理的控制、及时的诊断与精准的预测，可实现系统节能14％以上。显然，故障诊断对实现系统“低碳、高效、节能”目标，提升系统智能化运维水平具有重要意义。
2、得益于计算机和人工智能的快速发展，越来越多的故障诊断模型采用机器学习算法进行构建。通过对国内外研究现状的分析与总结，现阶段绝大多数成果做到了基于当前时刻的故障诊断，极少数成果能够做到基于未来时刻的故障预测，这与实现冷水机组健康状态劣化过程全周期的诊断与预测目标，做到预测性维护还有较大差距。实际上，现场采集到的实时数据都是带有时间属性的时序数据。这点被纯粹的数据驱动方法忽视了，因为它们经常使用获取的“海量”数据直接训练模型。
3、基于此，亟待需要提出一种有效的冷水机组故障预测模型，能够对冷水机组故障劣化的趋...
【技术保护点】
1.基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，冷水机组故障指的是发生在冷水机组上的典型渐变性软故障，所述S2中选择冷水机组故障劣化趋势的指示特征时，需要满足两个原则：
3.根据权利要求1所述的基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，所述S3中使用one-hot层将类别变量转换成二进制向量，类别变量包括：工况指示变量、劣化期标识变量和故障标签。
4.根据权利要求1所述的基于热力学约束与注意力强...
【技术特征摘要】
1.基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，冷水机组故障指的是发生在冷水机组上的典型渐变性软故障，所述s2中选择冷水机组故障劣化趋势的指示特征时，需要满足两个原则：
3.根据权利要求1所述的基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，所述s3中使用one-hot层将类别变量转换成二进制向量，类别变量包括：工况指示变量、劣化期标识变量和故障标签。
4.根据权利要求1所述的基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，所述神经网络由一个cnn卷积层、两个bilstm层、两个dropout层、一个注意力层和一个热力学机理约束层组成。
5.根据权利要求4所述的基于热力学约束与注意力强化的冷水机组故障预测方法，其特征在于，所述神经网络依次为cnn卷积层、bil...
【专利技术属性】
技术研发人员：王占伟，田沛林，马爱华，周赛，王林，郑恺昕，冷强，张春晓，娄泓泽，李霄，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
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。