融合Attention和GRU的压缩机组故障预警技术研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘    要：现有天然气压缩机组普遍采用事后维修、定时检修方式，这会造成压缩机组的失修或过修现象。针对这一问题，提出了一种融合Attention和GRU的压缩机组故障预警技术，先利用RF算法筛选影响压缩机组对应故障的参数，将形成的数据集代入GRU模型进行训练和预测，并在隐含层和全连接层中建立Attention机制，用于对单一时间步内的关键性数据赋权，最后基于现场实际值和模型预测值的残差均值，通过计算三角函数隶属度确定不同时刻的风险等级。（剩余7907字）

试读结束

目录
monitor