版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
本发明公开了一种异构时序数据故障因果嵌入将离散变量转化为信息粒度更高的隐连续性的能力,并通过重构机制确保恢复过程可逆提供了重要的可靠信息,助力准确诊断故障源2的离散变量恢复为隐连续变量,与在线异构时序故障数据中的连续变量共同输入至步骤个离散变量Nonr表示离散状态的数量。适应激励高斯核嵌入用于处理训练集中的离散变量的时间序列,以获取对应的隐连续变;3softmax()表示softmax激活函数;表示多尺度激励高斯核的权重系(c,…,Q…,aa)为上下文自适应激励高斯核嵌入的可训练的权重系数参数,C,表示第r个尺度的激励高斯核的可训练的权重系数参数;表示多尺度时间模述公式确定:。;t和t'为离散变量时间序列中的任意时间点,σ表示高斯核;有激励时间点对应的高斯核函数,以获取离散变量时间序列在时间点t的连续值序列,;散变量时间序列中第t个时间点上的取值;4;离散变量解码器和上下文自适应激励高斯核嵌入的参数,以获取训练好的离散变量解码器;ff从i-r时刻到t-1时刻;5;所述离散变量解码器的重构误差损失函数的计算;所述潜在连续性学习阶段的总损失函数的计算;L的权重6差以及隐连续变量在未来时刻的预测值与其对应的真实隐连续变量值之间的均方误熵损失作为离散变量解码器的重构误差损失函数Le;确定待预测变量X,对应的隐连续变量预测器或连续变量预测器的权重矩阵WZ;根据权重矩阵WZ进行格兰杰因果判断,以获取待预测变量X,对应的格兰杰因果判断结果;根据所;;7量预测器或连续变量预测器的第一层权重向量,为具有形状规范化的权重矩阵,权重矩阵WZ中的元素值反映了滞后时间t的变量X,是否能够帮助预测待预测变量X,所述因果结构学习阶段的总损失函数的计算;L和8业环境中多变量交互和非线性特性所带来的挑战。因果分析通过构建系统化的因果模型,大幅提升设备健康管理能力。这一技术为工业生产向智能化和自动化转型奠定了坚实基数据构成。然而,在许多实际应用场景中,所收集的数据通常是混合类型,包括离散变量的因果分析至今仍是一个新兴且具有挑战性的任务。具体来说,DVs和CVs之间的信息粒度时间序列往往具有复杂的非线性和高维特性,传统方法无法准确建模二种变量间的因果关系。此外,由于测量精度和存储效率的限制,许多本质上为连续的信号通常以离散形式记DVs可能来源于潜在连续变量(LCVs而DVs的隐连续性,即LCVs的内在信息则无法直接观9(3)为每个连续变量和离散变量搭建其对应的连续变量预测器和离散变量解码训练集中的数据进行因果结构学习,以最小化因果结构学习阶段的总损失函数为优化目收集异构时间序列故障数据的集合,其中表示表示第j个离散变量Nonr表示离散状态的数量。对应的上下文自适应激励高斯核嵌入中,获得该离散变量时间序列对应的隐连续变量;权重系数,表示第r个尺度的激励高斯核的权重系数,d为多尺度激励高斯核的个数;(c,…,Q…,aa)为上下文自适应激励高斯核嵌入的可训练的权重系数参数,C,表示第r个尺度的激励高斯核的可训练的权重系数参数;表示多尺度时间模述公式确定:。;t和t'为离散变量时间序列中的任意时间点,σ表示高;;个离散变量时间序列中第t个时间点上的取值;对多种尺度的激励高斯核函数按其对应的权重进行聚合,融合离散变量的多尺度时间信;;f从l-r时刻到t-1(3.2)计算连续变量在未来时刻的预测值与其对应的真实连续变量值之;;所述离散变量解码器的重构误差损失函数的计算;其中,Le表示离散变量解码器的重构误差损失函数,CE(表示交叉熵损失,表示重构后的离散变量的第c个离散状态对应的值,表示真实离散变所述潜在连续性学习阶段的总损失函数的计算;L的(4.4)计算连续变量在未来时刻的预测值与其对应的真实连续变量值之均方误差以及隐连续变量在未来时刻的预测值与其对应的真实隐连续变量值之间的交叉熵损失作为离散变量解码器的重构误差损失函数Le;预测器和连续变量预测器的网络参数,得到最终训练好的上下文自适应激励高斯核嵌入、据权重矩阵进行格兰杰因果判断,以获取待预测变量X,对应的格兰杰因果判断结果;根据所有待预测变量的格兰杰因果判断结果获取;表示连续变量在t时刻的真实连续变量值;表示隐连续变量在t时刻的预测值,表示隐连续变量在t时刻的真实隐连续变量;重矩阵,权重矩阵wz中的元素值反映了滞后时间t的变量x,是否能够帮助预测待预测变量xn的未来值;所述因果结构学习阶段的总损失函数的计算;nL图5为本发明实施例1中离散变量潜在连续性恢复的可视化结果;其中,图5中的图7为本发明实施例2中离散变量潜在连续性恢复的可视化结果;其中,图7中的图9为本发明实施例3中离散变量潜在连续性恢复的可视化结果;其中,图9中的个离散变量的集合表示为,其中表示第i个连续变[0025](2)利用上下文自适应激励高斯核嵌入(ContexualAdaptativeGaussian的上下文自适应激励高斯核嵌入中,即可获得该离散变量时间序列对应的隐连续变量权重系数,表示第r个尺度的激励高斯核的权重系数,d为多尺度激励高斯核的个数;(c,…,Q…,aa)为上下文自适应激励高斯核嵌入的可训练的权重系数参数,C,表示第r个尺度的激励高斯核的可训练的权重系数参数;表示多尺度时间模t和t'为离散变量时间序列中的任意时间点,σ表示高对多种尺度的激励高斯核函数按其对应的权重进行聚合,融合离散变量的多尺度时间信[0034]本实施例中,连续变量预测器和离散变量解码器均使用多层全连接神经网络实ff从i-r时刻到t-1时刻的历史值,表示隐连续变量"从i-r时刻到t-1时刻的历史值,可以利用连续变量和隐连续变量的指定历[0036](3.2)计算连续变量在未来时刻的预测值与其对应的真实连续变量值之表示连续变量f在t时刻的预测值,表示连续变量f在t时刻的真实连续变量值,由训其中,Le表示离散变量解码器的重构误差损失函数,CE(表示交叉熵损失,Le的权重系数。训练集中的数据进行因果结构学习,以最小化因果结构学习阶段的总损失函数为优化目未来状态,而隐连续变量预测器的本质是要预测离散变量产生的隐连续变量的未来状态。隐连续变量预测器和连续变量预测器的输入中的隐连续变量会随着上下文自适应激励高[0050](4.4)计算连续变量在未来时刻的预测值与其对应的真实连续变量值之均方误差以及隐连续变量在未来时刻的预测值与其对应的真实隐连续变量值之间的f示隐连续变量在t时刻的预测值,表示隐连续变量在t时刻的真实隐连续变量量预测器的第一层施加稀疏诱导约束,即层次组最小绝对收缩和选择算子(LeastAbsoluteShrinkageandSelectionOperator,Lasso以获取对应的稀疏约束损失函总损失函数;以最小化因果结构学习阶段的总损失函数为优化目标,采用近端梯度下降数、隐连续变量预测器和连续变量预测器的网络参数,以获取最优的上下文自适应激励高斯核嵌入的权重系数参数、隐连续变量预测器和连续变量预测器的网络参数,得到最终训L据权重矩阵进行格兰杰因果判断,以获取待预测变量X,对应的格兰杰因果判断结果;[0066]本实施例以某生物质燃料加工厂加工过程中实测异构时序故障数据的因果溯源[0072]此外,为验证本发明所述的方法在其他领域的因果分析任务中的通用性和有效的预测精度以及改进数据同化技术具有重要意义,有助于更好地理解大气环流的复杂性,斯核嵌入具有良好的隐连续恢复能力,能够较为准确地重现离散变量底层的潜在连续性,[0078]本实施例中选取TEP中的第一个典型故障IDV(1)来验证本发明所述方法的有效分离器压力以及汽提塔压力三个连续变量,将平均值视作阈值进行二值离散化模拟异构场景。本发
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026事业单位工勤技能-浙江-浙江水文勘测工三级(高级工)历年参考题库含答案详解
- 2026事业单位工勤技能-浙江-浙江保健按摩师五级(初级工)历年参考题库含答案详解
- 2026事业单位工勤技能-河南-河南汽车驾驶与维修员二级(技师)历年参考题库含答案详解
- 2026事业单位工勤技能-河北-河北水生产处理工二级(技师)历年参考题库含答案详解
- 2026事业单位工勤技能-河北-河北中式面点师一级(高级技师)历年参考题库含答案详解
- 2026事业单位工勤技能-江西-江西热力运行工一级(高级技师)历年参考题库含答案详解
- 2026事业单位工勤技能-江西-江西家禽饲养员五级(初级工)历年参考题库含答案详解
- 2026事业单位工勤技能-江西-江西仓库管理员五级(初级工)历年参考题库含答案详解
- 2026事业单位工勤技能-江苏-江苏工程测量员四级(中级工)历年参考题库含答案详解
- 2026事业单位工勤技能-江苏-江苏保育员一级(高级技师)历年参考题库含答案详解
- DB65T 8061-2026 既有建筑改造工程消防设计规程
- 医疗设备安装进度计划方案
- 2026年安全教育课件小学生急救知识教育讲座课件
- 【结题报告】AI赋能高中学生心理健康教育建设路径研究结题报告
- 2026新教材语文 统编版语文六年级上册 第20课 文言文二则
- 钢结构厂房吊装专项施工方案
- 2026广西普法考试题库及答案
- 广东省深圳市多校2025-2026学年高二(下)质检数学试卷(含答案)
- 2026年新员工三级安全教育考试题库及答案
- 2026年党员应知应会考试题库及答案
- 2026-2031年中国招投标行业市场调查与发展前景预测研究报告
评论
0/150
提交评论