论文部分内容阅读
传统的特种设备异常诊断主要采用人工的定期检测并结合专家经验进行综合评估,该方法十分依赖质检员的专业要求和诊断经验,且所需的人力、物力成本较高。针对上述问题,通过将人工智能技术应用到特种设备的异常诊断任务上,对特种设备各个关键位置上进行数据收集,采用数据驱动的方式对特种设备运行状况进行综合评估,同时考虑到评估的实时性与准确性,提出一种基于注意力机制的循环神经网络和变分自动编码器相结合的异常诊断算法,该算法先用基于注意力机制的循环神经网络对特种设备上时序数据进行建模实现精确的预测,然后用变分自动编码器确定时序