【技术实现步骤摘要】
本专利技术属于复杂机电系统监测变量分析预测领域，具体涉及一种复杂机电系统多变量多步预测方法及系统。
技术介绍
1、复杂机电系统本质上由诸多大型动力机械、电气设备，以及多介质网络耦合而成，由于该类系统的结构、功能和机制复杂，在服役过程中可能出现非计划停机，进而引发安全事故，造成严重的经济损失。基于运行监测数据的预测方法能够在服役工况下分析复杂机电系统的运行状态，是预防性维修维护和健康状态管理的有效技术手段，对复杂机电系统的有效运行和维护至关重要。
2、复杂机电系统多变量分析预测问题本质上是面向复杂非线性系统的数据预测问题，不同于经典的时间序列预测模型，深度学习方法无需对数据进行大量的预处理，基于深度学习的简单模型可以直接得到时间序列的下一个预测值，计算效率高且复杂性低；然而，复杂机电系统中能够反映运行状态的监测数据具有高频特性，单步预测方法并不能解决实际工业过程中对长期预测的需求，有效地多步预测方法更适合处理复杂机电系统的监测变量分析和预测问题。
3、实现多步预测的方法可以分为两类：(1)直接多步预测；(2)间接多...
【技术保护点】
1.一种复杂机电系统多变量多步预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种复杂机电系统多变量多步预测方法，其特征在于，多变量多步预测模型的训练：以归一化数据集为输入，采用下采样和重构技术，通过水平和垂直的交叉方向计算，提取归一化数据集中单个时间序列中的时序特征，得到每个监测变量的二维张量。
3.根据权利要求2所述的一种复杂机电系统多变量多步预测方法，其特征在于，对每个监测变量的二维张量进行局部特征和全局特征提取，然后对不同监测变量的局部特征和全局特征进行信息交互；对每个监测变量，将不同子序列长度下的一维序列求和，得到该监测...
【技术特征摘要】
1.一种复杂机电系统多变量多步预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种复杂机电系统多变量多步预测方法，其特征在于，多变量多步预测模型的训练：以归一化数据集为输入，采用下采样和重构技术，通过水平和垂直的交叉方向计算，提取归一化数据集中单个时间序列中的时序特征，得到每个监测变量的二维张量。
3.根据权利要求2所述的一种复杂机电系统多变量多步预测方法，其特征在于，对每个监测变量的二维张量进行局部特征和全局特征提取，然后对不同监测变量的局部特征和全局特征进行信息交互；对每个监测变量，将不同子序列长度下的一维序列求和，得到该监测变量的融合特征然后将其相加从而获得预测结果。
4.根据权利要求2所述的一种复杂机电系统多变量多步预测方法，其特征在于，具体的，将连续下采样策略应用于第i维时间序列，将长度为l的时间序列数据转化为多个长度为p的不重叠的子序列，将子序列重构为二维张量。
5.根据权利要求3所述的一种复杂机电系统多变量多步预测方法，其特征在于，采用大小为(1×1)的cnn卷积核实现不同变量之间的信息交互，量化相关性特征。
6.一...
【专利技术属性】
技术研发人员：王荣喜，郭怡，梁泽明，高建民，曹鼎钰，
申请(专利权)人：西安交通大学，
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。