摘要
本申请公开了一种边云协同的动设备故障分析方法、装置、电子设备及介质,可广泛应用于动设备技术领域。本申请通过在云端获取每个传感器边缘端对应动设备的第一振动信息以及设备信息后,根据所有第一振动信息对重量级故障诊断模型进行故障关联性训练后,根据设备信息对训练后的重量级故障诊断模型进行再次训练,以生成轻量级故障诊断模型,然后将轻量级故障诊断模型发送到设备信息对应的目标传感器边缘端,以使目标传感器边缘端通过轻量级故障诊断模型进行动设备故障分析,从而使得边缘端无需将振动信息实时上传到云端,有效降低边缘端与云端的通信量,同时通过轻量级故障诊断模型进行故障分析,有效提高故障诊断结果的准确度。
技术关键词
故障诊断模型
设备故障分析方法
传感器
云端
电子设备
可读存储介质
神经网络模型
训练集
波形
参数
通信量
处理器
模块
存储器
计算机
寿命
关系
系统为您推荐了相关专利信息
绝缘子污秽
激光诱导击穿光谱技术
深度学习模型
多源信息融合
数据
滑坡模型
现场监测设备
柔性弯曲传感器
环境试验箱
温度三合一传感器
图像模糊程度
人脸图像特征
置换方法
视频帧
索引
预训练语言模型
核保方法
语义
布局
计算机程序产品