基于深度置信网络的卸船机关联规则故障预测模型方法

摘要

一种基于深度置信网络的卸船机关联规则故障预测模型方法，包括以下步骤：(1)将桥式抓斗卸船机小车系统状态监测的时间序列作为模型输入，采样获得小车系统的关联内部特征信息和故障类别作为模型输出；(2)对原始监测数据进行预处理；(3)对获取的时间序列进行相空间重构，转换成矩阵形式并构建输入和输出映射关系；(4)训练由RBM堆叠和回归层构成的深度置信网络预测模型，获取各个相关监测点振动烈度为时间序列的未来残差序列预测值；(5)利用关联规则构建故障类型与对应监测点残差序列特征约束函数模型；(6)输入数据集利用训练得到的模型进行预测。本发明精度较高、计算简易、工程实用性强。