版权所有：内蒙古大学图书馆 技术提供：维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
基于LSTM与深度残差神经网络的高炉风机机械故障预测方法
专利申请号：CN202310029016.4
公 开 号：CN116166985A
代 理 人：徐玲菊;于洪
代理机构：昆明正原专利商标代理有限公司
专利类型：发明专利
申 请 日：20230526
公 开 日：20230109
专利主分类号：G06F18/24
关 键 词：高炉 机械故障预测 监测设备 风机 数据预处理 突发性故障 风机故障 故障预测 监测数据 离线监测 模型测试 模型训练 设备状态 神经网络 数据采集 预测技术 数据集 有效地 残差 标注 标签
摘 要：本发明涉及一种基于LSTM与深度残差神经网络的高炉风机机械故障预测方法，属于高炉风机故障预测技术领域。该方法包括数据采集、数据预处理、标注标签、数据集划分、模型训练、模型测试及故障预测几大步骤。本发明实现了高炉风机机械故障预测，克服了人工离线监测周期过长、监测数据量少、监测设备范围有限的缺点，全面、及时的把握设备状态，准确有效地监测设备突发性故障，易于推广应用。
