数据不完备下基于Informer的离心鼓风机故障趋势预测方法
离心鼓风机在运行过程中,监测数据缺失会导致故障趋势预测滞后和预测精度下降.针对该问题,提出一种考虑数据不完备的离心鼓风机故障趋势预测方法.首先,基于张量分解对缺失监测数据进行填补,获得离心鼓风机的完备监测数据;其次,基于填补后的完备监测数据利用深度置信网络(DBN)构建能表征离心鼓风机健康状态的健康指标;最后使用Informer方法预测健康指标的未来走势,实现离心鼓风机的故障趋势预测.案例分析结果表明,相比缺失数据,利用填补后的数据所建立的预测模型能更早预测故障的发生,同时所提出的预测方法较Transformer、长短时记忆(LSTM)和门控循环单元(GRU)等常用传统方法预测精度更高.
离心鼓风机、故障趋势预测、不完备数据、Informer方法、张量分解
29
TH17
国家自然科学基金;重庆市技术创新与应用示范专项资助项目
2023-02-24(万方平台首次上网日期,不代表论文的发表时间)
共13页
133-145