CN115730191B 一种基于注意力机制的磨煤机故障预警方法 （华北电力大学）

号一种基于注意力机制的磨煤机故障预警方法本发明公开了属于磨煤机状态监测与故障预警技术领域的一种基于注意力机制的磨煤机选定代表磨煤机状态的关键测点参数作为建模建立基于注意力机制的Transformer预测模型，2步骤1：获取火电厂DCS系统的磨煤机历史正常的运行时间内所有参数的动态变化数ij代表第i个测点参数第j个样本点数据；对预测偏离度序列进行滑动窗口法处理后，得到平均预测偏离度i,并通过核密度估计h＝1.06σm_0.2再求解预测偏离度序列累计积分函数，得到99％置信度的序列上限值td作为故障预警3T(j,n)=σ2/σx后得到的小波系数，为第i层第k个节点的小波系数，'(x)为第i层第k个节点小波系据对t时刻参数值进行预测，其中Inputt为第t个通过滑动窗口建立的模型输入样本；以X步骤43：将数据集划分80％作为训练集、20％作为测试集来训练Transformer预测模式中，pos表示3x7矩阵行索引代表时间先后顺序，i表示3x7矩阵列索引代表不同测然后，将计算得到的位置编码信息与原始输入叠加，442中的优化算法选择Adam算法，且参数设置为lr＝0.002,beta_1＝0.9,beta_2＝0.999,5faultdiagnosismethodsappliedtocoalmills[J].Journalofprocesscontrol,B.Mataji,Observer_basedfaultdetectionandmoistureestimatingincoalmills[J].ControlEngineeringPractice,powerplantTube_ballmillconditionmonitoringandfaultdetection[J].EnergyConversionandManagement,2014.80:p.10_19.和Wei,J.,J.WangandQ.H.Wu,DevelopmentofaMultisegmentCoalMillModelUsinganEvolutionaryComputationTechnique[J].IEEEtransactionsonenergyconversion,2007.22(3):分，辅助完成设备运行状况的监测。Su,Z.,etal.,Experimentalinvestigationofvibrationsignalofanindustrialtubularballmill:Monitoringanddia[J].MineralsEngineering,2008.21(10):p.699_710.设计了一套记录磨煤机振动信号的6[0006]基于历史数据的方法通过对比正常数据与故障数据间的偏差对设备状态进行判型参数进行优化。Hong,X.,Z.XuandZ.Zhang,AbnormalConditionMonitoringandDiagnosisforCoalMillsBasedonSupportVectorRegression[J].IEEEaccess,电厂设备故障预警领域的应用较少。Wen,L.,etal.,ANewConvolutionalNeuralNetwork_BasedData_DrivenFaultDiagnosisMethod[J].IEEETransactionsonIntelligentMechanicalFaultDiagnosisUsingMultisensorFusionandConvolutionNeuralNetwork[J].IEEETransactionsonIndustrialInformatics,2022.18(5):p.3213_3223.和Chen,H.,etal.,Adeepconvolutionalneuralnetworkbasedfusionmethodoftwo_directionvibrationsignaldataforhealthstateidentificationofplanetarygearboxes[J].Measurement,2019.146:p.268_278.利用Wen,L.,X.LiandL.Gao,ANewTwo_LevelHierarchicalDiagnosisNetworkBasedonConvolutionalNeuralNetwork[J].IEEEtransactionsoninstrumentationandfaultdiagnosisofcoalmillsystembasedonthesimulatedtypicalfaultsamples[J].Measurement,2020.161:p.107864.通过搭建磨煤机机理模型模控循环网络融合多源数据的风电齿轮箱状态预警方法[J].太阳能学报,2021.42(08):第YouNeed[C].ConferenceonNeuralInformationProcessingSystems,LongBeach,7[0009]本发明的目的是提出一种基于注意力机制的磨煤机故障8波系数的Shannon熵，T为降噪阈值，σx为原始数据f(t)的方差，σ2为高频子带小波系数"(r)的方差，uy"为第l层第j个节点小波系数序列中的第n个数据点。1),...}进行采样，以作为Transformer模型9堆叠多个解码器提取深层特征；在解码器后面连接一个维度为1×7的全连接层，选择Sigmoid激活函数对磨煤机测点参数未来时刻beta_2＝0.999,epsilon＝1*10_8,其中lr为学习率，beta_1为iii[0092]步骤S41、构建所述Transformer预测模型结构，模型结构如图3所示，包括标准化模块对数据进行标准化；然后连接全连接层和标准化模块继续提取数据的深层特程度；将Transformer预测模型所得每个时刻各个测点参数组成的预测值向量度估计的故障预警策略能够在磨煤机故障早期