买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都天奥集团有限公司

摘要：本申请揭示了一种风机齿轮箱轴承故障定位方法、装置、介质及设备，所述方法包括：采集待测风机齿轮箱轴承的实际温度及原始特征数据，并对原始特征数据进行预处理；构建风机齿轮箱轴承温度预测模型，并对所构建的模型进行训练；将预处理后的待测风机齿轮箱轴承的原始特征数据输入训练好的风机齿轮箱轴承温度预测模型，获得待测风机齿轮箱轴承的预测温度；将预测温度与预警温度进行比对，以判定待测风机齿轮箱轴承是否处于高温预警；利用预设的解释模型对处于高温预警的待测风机齿轮箱轴承的原始特征数据进行贡献度分析，以识别关键特征数据，基于关键特征数据对待测风机齿轮箱轴承进行故障定位。本申请可以找到关键性特征，实现轴承故障精准定位。

主权项：1.一种风机齿轮箱轴承故障定位方法，其特征在于，所述方法包括：采集待测风机齿轮箱轴承的实际温度及原始特征数据，并对所述原始特征数据进行预处理；构建风机齿轮箱轴承温度预测模型，并对所构建的模型进行训练；其中，所述风机齿轮箱轴承温度预测模型通过采用两种不同的预测方式同时对所述待测风机齿轮箱轴承的原始特征数据进行预测，以实现多模态融合；所述风机齿轮箱轴承温度预测模型包括第一预测单元，第二预测单元和第三预测单元，所述第一预测单元采用XGBoost模型，所述第二预测单元采用Regression线性模型，所述XGBoost模型用于接收风机齿轮箱轴承的原始特征数据并输出第一预测结果，所述Regression线性模型用于接收风机齿轮箱轴承的原始特征数据并输出第二预测结果，所述XGBoost模型和所述Regression线性模型的输出合并后的特征向量作为所述第三预测单元的输入；所述风机齿轮箱轴承温度预测模型通过结合XGBoost模型和线性模型两种不同的预测方式，实现了多模态融合；所述XGBoost模型包括：输入层，用于接收风机齿轮箱轴承的原始特征数据xt；基学习器，决策树；输出层，用于输出第一预测结果Out_XGBt；所述Regression线性模型包括：输入层，用于接收风机齿轮箱轴承的原始特征数据xt；线性变换层，用于过矩阵乘法和加法运算实现对原始特征数据xt的线性变换，具体可通过以下计算过程实现：Z＝Wxt+b其中，z表示线性变换层的输出，W表示权重矩阵，xt表示输入的原始特征数据，b表示偏置向量；输出层，用于输出第二预测结果，即非线性特征Out_Ret；所述第三预测单元采用LSTM模型，具体包括：输入门、遗忘门、更新门和输出门，由第一预测单元和第二预测单元的输出合并后的特征向量Et作为第三预测单元的输入分别输入以上各门中；特征向量Et与t-1时刻的隐藏状态ht-1加权组合后通过sigmoid函数映射至输入门获得it；特征向量Et与t-1时刻的隐藏状态ht-1加权组合后通过sigmoid函数映射至遗忘门获得ft；特征向量Et与t-1时刻的隐藏状态ht-1加权组合后通过sigmoid函数映射至更新门获得ut；特征向量Et与t-1时刻的隐藏状态ht-1加权组合后通过sigmoid函数映射至输出门获得ot；ft与t-1时刻的细胞状态Ct-1相乘，it与ut相乘，且与ft与Ct-1相乘的结果相加后输出t时刻的细胞状态Ct，同时，Ct经激活函数Tanh激活后与ot相乘，即获得模型的最终输出t，即风机齿轮箱轴承的最终预测温度；将预处理后的待测风机齿轮箱轴承的原始特征数据输入训练好的风机齿轮箱轴承温度预测模型，获得待测风机齿轮箱轴承的预测温度；将所述待测风机齿轮箱轴承的预测温度与实际温度进行比对，以判定待测风机齿轮箱轴承是否处于高温预警；利用预设的解释模型对处于高温预警的待测风机齿轮箱轴承的原始特征数据进行贡献度分析，以识别其中的关键特征数据，基于关键特征数据对待测风机齿轮箱轴承进行故障定位。

全文数据：

权利要求：

百度查询： 成都天奥集团有限公司 一种风机齿轮箱轴承故障定位方法、装置、介质及设备