(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211306810.0 (22)申请日 2022.10.24 (71)申请人 淮阴工学院 地址 223400 江苏省淮安市 涟水县海安路 10号安东大厦八楼 (72)发明人 王宇新　宗佳文　钱崇雨　刘家辉　 马从国　陈帅　周恒瑞　李志强　 李亚洲　柏小颖　秦小芹　金德飞　 王建国　马海波　丁晓红　王苏琪　 黄凤芝　夏奥运　 (74)专利代理 机构 淮安市科文知识产权事务所 32223 专利代理师 李锋 (51)Int.Cl. G06N 3/04(2006.01)G06N 3/08(2006.01) G01D 21/02(2006.01) (54)发明名称 机电装置智能监测方法及系统 (57)摘要 本发明公开了机电装置智能监测方法及系 统， 包括机电装置参数测量终端、 现场监控端； 机 电装置参数测量终端负责采集被检测机电装置 参数信息， 在现场监控端中有机电装置智能监测 子系统， 通过网关节点实现机电装置参数测量终 端、 现场监控端、 机电装置参数云平台和机电装 置监测手机APP的双向通信， 实现被检测环境参 数采集和环 境质量安全等级的分类， 其中机电装 置参数测量终端、 现场监控端加载有实现机电装 置智能监测方法的计算机程序步骤。 本发明针对 机电装置状态 监测现状， 利用网络技术传感器技 术、 计算机技术、 智能控制技术和大数据技术， 对 机电装置运行状态进行实时在线监测和信息化 管理， 该系统集状态监测和信息管理于一体， 保 证了机电装置的安全 稳定运行， 具有很好的实际 应用价值。 权利要求书2页 说明书13页 附图3页 CN 115496189 A 2022.12.20 CN 115496189 A 1.机电装置智能监测方法， 其特 征在于， 包括以下步骤： 步骤1、 构建参数检测模块 参数检测模块由粒子群优化自适应小波神经网络 ‑NARX神经网络模型、 TDL按拍延迟线 A、 小波分解模型、 降噪自编码神经网络 ‑NARX神经网络模型、 LSTM神经网络 ‑NARX神经网络 模型、 TDL按拍延迟线B、 TDL按拍延迟线C、 TDL按拍延迟线D和区间犹豫模糊数的BAM神经网 络‑AANN自联想神经网络模型组成； 步骤2、 构建机电装置智能监测子系统 机电装置智能监测子系 统由多个降噪自编码神经网络 ‑NARX神经网络模型、 自适应AP 聚类器、 多个粒子群优化自适应小波神经网络、 ESN神经网络模 型、 TDL按拍延迟线A、 新陈代 谢GM(1， 1)趋势模型、 NARX神经网络模型A、 NARX神经网络模型B、 参数检测模块、 TDL按拍延 迟线B、 TDL按拍延迟线C、 TDL按拍延迟线D、 TDL按拍延迟线E和区间数的BAM神经网络 ‑NARX 神经网络模型组成； 步骤3、 电流传感器、 电压传感器和温度传感器组的输出和烟雾传感器的输出作为机电 装置智能监测子系统的输入， 机电装置智能监测子系统输出被监测的机电装置安全状况类 型。 2.根据权利要求1所述的机电装置智能监测方法， 其特征在于， 所述步骤1中， 多个参数 传感器输出作为粒子群优化 自适应小波神经网络 ‑NARX神经网络模型的对应输入， 粒子群 优化自适应小波神经网络 ‑NARX神经网络模 型输出作为TDL按拍延迟线A的输入， TDL按拍延 迟线A的输出作为小波分解模型输入， 小波分解模型输出 的低频趋势部分和多个高频波动 部分分别作为LSTM神经网络 ‑NARX神经网络模型和降噪自编码神经网络 ‑NARX神经网络模 型的输入， LSTM神经网络 ‑NARX神经网络模 型和降噪自编码神经网络 ‑NARX神经网络模 型的 输出分别作为TDL按拍延迟线B和TDL按拍延迟线C的输入， TDL按拍延迟线B、 TDL按拍延迟线 C和TDL按拍延迟线D的输出分别作为区间犹豫模糊数的BAM神经网络 ‑AANN自联想神经网络 模型的对应输入， 区间犹豫模糊数的BAM神经网络 ‑AANN自联想神经网络模型输出的4个参 数分别为a、 b、 c、 d作为TDL按拍延迟线D的输入， 区间犹豫模糊数的BAM神经网络 ‑AANN自联 想神经网络模型输出作为 参数检测模块的输出。 3.根据权利要求2所述的机电装置智能监测方法， 其特征在于， a和b组成区间数[a， b] 作为被检测参数的极小值， c和d组成区间数[c， d]作为被检测参数的极大值， 区间数[a， b] 和区间数[c， d]组成([a， b]， [c， d])作为被 检测参数的区间犹豫模糊数。 4.根据权利要求1所述的机电装置智能监测方法， 其特征在于， 所述步骤2中， 多组参数 传感器输出分别作为对应的降噪自编码神经网络 ‑NARX神经网络模型的输入， 多个降噪自 编码神经网络 ‑NARX神经网络模型作为自适应AP聚类器的输入， 自适应AP聚类器输出不同 类型的降噪自编 码神经网络 ‑NARX神经网络模 型输出分别作为对应的粒子群优化自适应小 波神经网络的输入， 多个粒子群优化自适应小波神经网络的输出作为ESN神经网络模型 的 对应输入， ESN神经网络模 型输出作为作为TDL按拍延迟线A的输入， TDL按拍延迟线A的输出 作为新陈代谢GM(1， 1)趋势模 型输入， TDL按拍延迟线A的输出与新陈代谢GM(1， 1)趋势模 型 输出的差和新陈代谢GM(1， 1)趋势模型输出分别作为NARX神经网络模型A和NARX神经网络 模型B的输入， NARX神经网络模型A和NARX神经网络模型B输出分别作为TDL按拍延迟线B和 TDL按拍延迟线C的输入， 多个烟雾传感器输出作为参数检测模块输入， 参数检测模块输出权　利　要　求　书 1/2 页 2 CN 115496189 A 2作为TDL按拍延迟线D输入， TDL按拍延迟线B、 TDL按拍延迟线C、 TDL按拍延迟线D和TDL按拍 延迟线E的输出分别作为区间数的BAM神经网络 ‑NARX神经网络模型的对应输入， 区间数的 BAM神经网络 ‑NARX神经网络模型输出的2个参数分别为m和n， m和n作为TDL按拍延迟线E的 输入， m和n组成区间数[m， n]， 区间数[m， n]作为被检测机电装置安全等级的区间数， 区间数 的BAM神经网络 ‑NARX神经网络模型输出的区间数分别对应机电装置安全状况类型。 5.机电装置智能监测系统， 其特征在于， 所述检测系统包括机电装置参数测量终端、 现 场监控端； 机电装置参数测 量终端负责采集被检测机电装置参数信息， 在现场监控端中有 机电装置智能监测子系统， 通过网关节点 实现机电装置参数测量 终端、 现场监控端、 机电装 置参数云平台和机电装置监测 手机APP的双向通信， 实现被检测环境参数采集和环境质量 安全等级的分类， 其中机电装置参数测量 终端、 现场监控端加载有实现如权利要求 1‑4任一 项所述的机电装置智能监测方法的计算机程序步骤。 6.根据权利要求5所述的机电装置智能监测系统， 其特征在于， 机电装置参数测量终端 包括采集机电装置温度、 电压、 电流、 烟雾、 湿度、 振动和倾侧传感器和对应的信号调理电 路、 STM32微处理器和CC2530无线传输模块。权　利　要　求　书 2/2 页 3 CN 115496189 A 3