System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及真空设备健康诊断,尤其是涉及一种基于深度学习的真空设备健康诊断方法和电子设备。
技术介绍
1、模拟真空的设备在航天领域起着至关重要的作用。这些设备用于模拟外太空的真空环境,为航天器和其他相关设备的地面测试提供了不可或缺的实验条件。真空环境模拟器能够有效模拟外太空的低压环境,从而测试航天器的耐压性能、材料的耐真空性以及电子设备的性能表现等。传统的监测系统通过传感器实时采集压力、温度、电流等关键参数,并在这些参数超出预设范围时触发报警,以提醒操作人员进行检查和处理。尽管上述方法在一定程度上能够保证真空环境模拟器的正常运行,但传统的监测系统只能在故障发生后通过报警提醒操作人员进行处理,无法提前预测潜在的故障。因此,当操作人员发现异常时,设备可能已经处于故障状态很久了,甚至导致设备的非计划停机,严重影响正常的实验和测试进程。
2、现有的真空设备健康诊断方法仅仅依靠某些参数是否超过特征值阈值来进行监测,依据操作人员经验来判断,并受限于操作人员无法时刻盯着屏幕,因此无法及时有效地进行健康诊断。
3、如何实现真空设备的实时健康诊断,成为需要解决的技术问题。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于深度学习的真空设备健康诊断方法和电子设备。
2、本专利技术的目的可以通过以下技术方案来实现:
3、根据本专利技术的一个方面,提供了一种基于深度学习的真空设备健康诊断方法,该方法包括以下步骤:
< ...【技术保护点】
1.一种基于深度学习的真空设备健康诊断方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述的目标真空设备关键运行参数包括:真空度、泵的频率、泵的电流和阀门的开关,其中真空度为目标参数。
3.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述的历史数据为由若干个试验周期的数据组合,每个试验周期又由若干个阶段组成;
4.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述历史数据的预处理包括:通过时间序列分割算法将历史数据分为若干周期和若干阶段,使用聚类分析将不同周期的相同阶段数据进行聚类,保留数据最多的类别和其对应数据,将不同周期同阶段数据用组合的方法进行数据增强,增强后的数据进行对数归一化,然后将数据序列化;
5.根据权利要求4所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述聚类分析动态时间规整法计算两个时间序列之间的距离,使用层次聚类将同一阶段数据分为两类,保留数据多的一类。
6.根据权利
7.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述检测模型的训练采用动态调整学习率,若验证损失连续m轮未减小,则将当前学习率乘以设定系数;所述检测模型采用早停策略中断训练,若验证损失在n轮内不再改善,停止训练。
8.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述步骤S104的过程包括:
9.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述步骤S105具体为:将步骤S102预处理的实时数据输入训练好的检测模型,得到下一时刻的预测值,计算预测值与真实值的误差,将误差与对应时间步骤S3中得到的阈值进行比较,若误差大于阈值,则发出警告,提醒工作人员真空设备出现异常情况。
10.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~9中任一项所述的方法。
...【技术特征摘要】
1.一种基于深度学习的真空设备健康诊断方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述的目标真空设备关键运行参数包括:真空度、泵的频率、泵的电流和阀门的开关,其中真空度为目标参数。
3.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述的历史数据为由若干个试验周期的数据组合,每个试验周期又由若干个阶段组成;
4.根据权利要求1所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述历史数据的预处理包括:通过时间序列分割算法将历史数据分为若干周期和若干阶段,使用聚类分析将不同周期的相同阶段数据进行聚类,保留数据最多的类别和其对应数据,将不同周期同阶段数据用组合的方法进行数据增强,增强后的数据进行对数归一化,然后将数据序列化;
5.根据权利要求4所述的一种基于深度学习的真空设备健康诊断方法,其特征在于,所述聚类分析动态时间规整法计算两个时间序列之间的距离,使用层次聚类将同一阶段数据分为两类,保留数据多的一类。
6...
【专利技术属性】
技术研发人员:金钢,刘仁龙,章怀宇,
申请(专利权)人:中国科学院上海技术物理研究所,
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。