数据不完备下基于Informer的离心鼓风机故障趋势预测方法

来源：计算机集成制造系统杂志2023年第1期北京时间：

作者：张友, 李聪波, 林利红, 钱静, 易茜

单位：1.重庆大学机械传动国家重点实验室2.重庆大学机械与运载工程学院

摘要：离心鼓风机在运行过程中,监测数据缺失会导致故障趋势预测滞后和预测精度下降。针对该问题,提出一种考虑数据不完备的离心鼓风机故障趋势预测方法。首先,基于张量分解对缺失监测数据进行填补,获得离心鼓风机的完备监测数据;其次,基于填补后的完备监测数据利用深度置信网络(DBN)构建能表征离心鼓风机健康状态的健康指标;最后使用Informer方法预测健康指标的未来走势,实现离心鼓风机的故障趋势预测。案例分析结果表明,相比缺失数据,利用填补后的数据所建立的预测模型能更早预测故障的发生,同时所提出的预测方法较Transformer、长短时记忆(LSTM)和门控循环单元(GRU)等常用传统方法预测精度更高。

关键词：离心鼓风机,故障趋势预测,不完备数据,Informer方法,张量分解

基金资助：国家自然科学基金资助项目(51975075);重庆市技术创新与应用示范专项资助项目(cstc2018jszx-cyzdX0146)。