一种基于CNN-Transformer的锅炉液位风险预警方法技术

本发明专利技术公开了一种基于CNN‑Transformer的锅炉液位风险预警方法,基于CNN‑Transformer的锅炉液位风险预警方法在将CNN网络获取的局部特征输入至Transformer模型的多头注意力机制中后，从多头注意力机制中提取的特征重新返回到CNN网络的池化层进行池化操作，经池化处理后的数据再返回至Transformer模型中。本发明专利技术具有能够提取更加重要的特征、同时减小序列长度、提高处理效率的优点。

【技术实现步骤摘要】

本专利技术涉及锅炉，特别是一种基于cnn-transformer的锅炉液位风险预警方法。

技术介绍

1、锅炉是工业生产的关键设备，锅炉在液位过低工作一段时间后出现干烧现象，除易烧坏锅炉本体外，还会在误操作干锅加水时造成爆炸等重大安全事故，因此建立有效的锅炉液位风险预警方法迫在眉睫。

2、由于锅炉系统的特殊性，锅炉故障征兆及参数具有模糊性和随机性，锅炉液位的状态不能仅用“正常”或“故障”来描述，缺少系统评价。

3、目前锅炉液位的故障判断和诊断大部分都是人机结合在本地实现，这限制了专家知识和外部经验的作用。

4、虽然目前锅炉液位风险预警方法智能化水平较低，但在锅炉的其他预警方法中出现了一种基于cnn-transformer的预警方法，cnn是卷积神经网络，是深度学习的代表算法之一，transformer是基于注意力机制的序列到序列模型，是一种用于处理序列建模问题的深度神经网络架构。

5、例如申请公布号为cn116894397a的中国专利技术专利申请，公开了一种多时间图谱卷积双向transformer的锅炉炉壁温度本文档来自技高网...

【技术保护点】

1.一种基于CNN-Transformer的锅炉液位风险预警方法，其特征在于,步骤如下：

2.根据权利要求1所述的一种基于CNN-Transformer的锅炉液位风险预警方法，其特征在于：还包括S9模型优化；所述S1还包括，同时获取各运行数据对应的实际工作状态类型，作为实际的工作状态分类结果；

3.根据权利要求2所述的一种基于CNN-Transformer的锅炉液位风险预警方法，其特征在于：还包括S10模型验证；所述S1还包括，将运行数据分为训练集和验证集；所述训练集用于S2-S9的模型训练；

4.根据权利要求1所述的一种基于CNN-Transform...

【技术特征摘要】

1.一种基于cnn-transformer的锅炉液位风险预警方法，其特征在于,步骤如下：

2.根据权利要求1所述的一种基于cnn-transformer的锅炉液位风险预警方法，其特征在于：还包括s9模型优化；所述s1还包括，同时获取各运行数据对应的实际工作状态类型，作为实际的工作状态分类结果；

3.根据权利要求2所述的一种基于cnn-transformer的锅炉液位风险预警方法，其特征在于：还包括s10模型验证；所述s1还包括，将运行数据分为训练集和验证集；所述训练集用于s2-s9的模型训练；

4.根据权利要求1所述的一种基于cnn-transformer的锅炉液位风险预警方法，其特征在于：所述s6还包括，在得到当前编码器层的融合所有注意力头信息的特征后，将当前编码器层的融合所有注意力头信息的特征与当前编码器层的输入特征相加，以进行第一次残差连接处理。

5.根据权利要求4所述的一种基于cnn-transformer的锅炉液位风险预警方法，其特征在于：所述s6还包括，对第一次残差连接处理后的结果进行归一化处理。

6.根据权利要求5所述的一种基于cnn-transf...

【专利技术属性】
技术研发人员：徐峰，虞雪芬，虞杰，邓杰，陈征宇，柯登峰，汤杰，胡博文，
申请(专利权)人：浙江省特种设备科学研究院，
类型：发明
国别省市：