大数据驱动的工业设备预测性维护方法及系统

本发明属于设备维护技术领域，尤其涉及大数据驱动的工业设备预测性维护方法及系统，该方法通过收集铝熔炼炉的属性参数、运行性能数据和设备缺陷图像，利用边缘计算进行预处理与整合，形成设备维护数据集，通过yolov5构建缺陷检测模型和粒子群优化的BP神经网络构建故障预测模型，分别评估设备缺陷类型和故障概率，系统设定维护评分阈值，结合单一缺陷评分和故障概率计算维护评分，并据此决定是否进行停机维护；该方法实现了铝熔炼炉的精准预测性维护，提高了设备运行的可靠性和效率。