摘要

本发明属于海洋工程装备故障诊断技术领域,具体涉及一种基于LSTM的海洋平台空气压缩机故障诊断方法。本发明对海洋平台空气压缩机的多元传感器信号进行时序序列构建,为卡尔曼滤波和后期的LSTM模型构建提供了高效合理的数据结构支持,有利于提高前期线型滤波的去噪效果,且有助于后期在LSTM权重矩阵中提取保留合理的故障特征。本发明通过数字信号处理与人工智能领域深度学习理论的结合,将海洋平台空气压缩机的复杂故障诊断过程转化为一种基于多传感器监测的易用式诊断方法,通过算法层面的融合创新,最大程度的降低了诊断过程的硬件需求,降低诊断时间和诊断成本,为故障修复争取到更多宝贵时间。