基于时序特征选择的故障在线预测方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于时序特征选择的故障在线预测方法及系统
申请号:CN202411705300
申请日期:2024-11-26
公开号:CN119720009B
公开日期:2025-11-25
类型:发明专利
摘要
本发明公开了一种基于时序特征选择的故障在线预测方法及系统,对通过模块监测点收集的原始数据进行预处理,得到M个监测点的状态监测时间序列数据集;划分训练集、验证集和测试集;分别对模块每个监测点的故障特征量建立故障预测模型,对故障预测模型进行时序特征选择,得到每个故障预测模型的最佳输入时序特征;对经过时序特征选择的预测模型进行训练,提升模型的预测性能;分别通过经过训练的故障预测模型对每个监测点的故障特征量进行在线预测。本发明对故障预测模型的输入时序特征进行了特征选择,减少了冗余输入特征,降低了预测模型的空间复杂度,提升了预测模型的预测精度,具有较好的泛化性能,能够为雷达装备的预防性维修提供依据。
技术关键词
故障特征量 在线预测方法 故障预测模型 监测点 状态监测数据 时序特征 特征选择算法 训练预测模型 BP神经网络预测 构建预测模型 训练集 BP神经网络模型 数据处理模块 计算误差 序列
系统为您推荐了相关专利信息
率定方法 SWMM模型 监测点 节点 信息熵
监测点 沉降观测方法 线性回归模型 数据存储 速率
混流式水轮机 水轮机过流部件 结构化网格 活动导叶 六面体
预警方法 形态 评估预测模型 监测点 生态
信息感知方法 路面缺陷 深度残差网络 环境影响信息 风险