[發(fā)明專利]一種確定鍋爐的減薄值的方法、裝置以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110655053.7
• 申請日: 2021-06-11
• 公開（公告）號: CN113761785A
• 公開（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 尹慧敏
• 申請（專利權(quán)）人: 神華國能寧夏煤電有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F111/10;G06F119/08
• 代理公司: 北京萬思博知識產(chǎn)權(quán)代理有限公司 11694
• 代理人: 劉冀

1.一種確定鍋爐的減薄值的方法，其特征在于，包括：

獲取鍋爐預(yù)設(shè)位置的檢修數(shù)據(jù)，其中所述檢修數(shù)據(jù)為按照時間順序在所述預(yù)設(shè)位置檢測的不同類型的檢修數(shù)據(jù)；以及

利用預(yù)先訓(xùn)練的三維卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述檢修數(shù)據(jù)，確定所述預(yù)設(shè)位置的減薄值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用預(yù)先訓(xùn)練的三維卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述檢修數(shù)據(jù)，確定所述預(yù)設(shè)位置處的減薄值的操作，包括：

根據(jù)每個時間點(diǎn)在所述預(yù)設(shè)位置檢測的檢修數(shù)據(jù)生成相應(yīng)的檢修數(shù)據(jù)向量；

按照時間順序?qū)⑴c各個時間點(diǎn)對應(yīng)的檢修數(shù)據(jù)向量進(jìn)行排列，生成與所述預(yù)設(shè)位置對應(yīng)的檢修數(shù)據(jù)向量序列；以及

將所述檢修數(shù)據(jù)向量序列輸入所述三維卷積神經(jīng)網(wǎng)絡(luò)模型，并將所述三維卷積神經(jīng)網(wǎng)絡(luò)的全連接層的輸出值作為所述預(yù)設(shè)位置的減薄值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括通過以下操作訓(xùn)練所述三維卷積神經(jīng)網(wǎng)絡(luò)模型：

獲取鍋爐各部位的歷史檢修數(shù)據(jù)；

根據(jù)所述歷史檢修數(shù)據(jù)，生成用于對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；以及

利用所述訓(xùn)練數(shù)據(jù)集和所述測試數(shù)據(jù)集對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)所述歷史檢修數(shù)據(jù)，生成用于對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集的操作，包括：

對所述歷史檢修數(shù)據(jù)進(jìn)行預(yù)處理，其中所述預(yù)處理包括異常值檢測和缺失值處理；以及

對所述預(yù)處理后的數(shù)據(jù)進(jìn)行歸一化處理，生成所述訓(xùn)練數(shù)據(jù)集和所述測試數(shù)據(jù)集。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，利用所述訓(xùn)練數(shù)據(jù)集和所述測試數(shù)據(jù)集對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的操作，包括：

分別將所述訓(xùn)練數(shù)據(jù)集和所述測試數(shù)據(jù)集通過所述三維卷積神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到輸出結(jié)果，比較所述訓(xùn)練數(shù)據(jù)集和所述測試數(shù)據(jù)集的所述輸出結(jié)果的均方誤差；以及

根據(jù)所述均方誤差的情況對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型中的權(quán)矩陣進(jìn)行調(diào)整。

6.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)包括存儲的程序，其中，在所述程序運(yùn)行時由處理器執(zhí)行權(quán)利要求1至5中任意一項(xiàng)所述的方法。

7.一種確定鍋爐的減薄值的裝置，其特征在于，包括：

獲取模塊，用于獲取鍋爐預(yù)設(shè)位置的檢修數(shù)據(jù)，其中所述檢修數(shù)據(jù)為按照時間順序在所述預(yù)設(shè)位置檢測的不同類型的檢修數(shù)據(jù)；以及

預(yù)測模塊，用于利用預(yù)先訓(xùn)練的三維卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述檢修數(shù)據(jù)，確定所述預(yù)設(shè)位置的減薄值。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，預(yù)測模塊包括：

檢修數(shù)據(jù)向量生成子模塊，用于根據(jù)每個時間點(diǎn)在所述預(yù)設(shè)位置檢測的檢修數(shù)據(jù)生成相應(yīng)的檢修數(shù)據(jù)向量；

檢修數(shù)據(jù)向量序列生成子模塊，用于按照時間順序?qū)⑴c各個時間點(diǎn)對應(yīng)的檢修數(shù)據(jù)向量進(jìn)行排列，生成與所述預(yù)設(shè)位置對應(yīng)的檢修數(shù)據(jù)向量序列；以及

減薄值預(yù)測子模塊，用于將所述檢修數(shù)據(jù)向量序列輸入所述三維卷積神經(jīng)網(wǎng)絡(luò)模型，并將所述三維卷積神經(jīng)網(wǎng)絡(luò)的全連接層的輸出值作為所述預(yù)設(shè)位置的減薄值。

9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，通過以下子模塊訓(xùn)練所述三維卷積神經(jīng)網(wǎng)絡(luò)模型：

獲取子模塊：用于獲取鍋爐各部位的歷史檢修數(shù)據(jù)；

生成子模塊：用于根據(jù)所述歷史檢修數(shù)據(jù)，生成用于對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集；以及

訓(xùn)練子模塊：用于利用所述訓(xùn)練數(shù)據(jù)集和所述測試數(shù)據(jù)集對所述三維卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。

10.一種確定鍋爐的減薄值的裝置，其特征在于，包括：

處理器；以及

存儲器，與所述處理器連接，用于為所述處理器提供處理以下處理步驟的指令：

獲取鍋爐預(yù)設(shè)位置的檢修數(shù)據(jù)，其中所述檢修數(shù)據(jù)為按照時間順序在所述預(yù)設(shè)位置檢測的不同類型的檢修數(shù)據(jù)；以及

利用預(yù)先訓(xùn)練的三維卷積神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述檢修數(shù)據(jù)，確定所述預(yù)設(shè)位置的減薄值。