摘要
本发明提供一种基于机器学习和物联网的变压器寿命预测方法及系统,涉及变压器寿命预测技术领域,包括采集变压器多模态运行数据并进行预处理,构建基于图神经网络的多模态数据融合模型,将所述降维后的特征数据映射到图结构中,将实时采集的变压器多模态运行数据输入优化后的模糊推理系统,得到变压器的健康状态评估结果和最终的剩余寿命预测结果,基于变压器维护建议和历史维护记录,构建用于维护策略优化的变压器数字孪生模型,将所述健康状态评估结果、所述剩余寿命预测结果和所述变压器维护建议输入变压器数字孪生模型,进行故障模拟和预测性维护分析,基于所述故障模拟和预测性维护分析结果,结合专家知识库,生成智能检修方案。
技术关键词
模糊推理系统
变压器
剩余寿命预测
数字孪生模型
多模态
动态时间规整算法
数据
生成智能
专家知识库
矩阵分解算法
时序特征
寿命预测方法
长短期记忆单元
深度神经网络模型
动态贝叶斯网络模型
策略梯度强化学习
量子态
系统为您推荐了相关专利信息
可见光图像
图像配准
融合方法
特征提取模块
多模态
剩余寿命预测模型
磨损监控方法
摩擦片
制动器
剩余行驶里程
通用串行总线存储设备
管控系统
音视频设备
多头注意力机制
发言人
多模态信息融合
解码器
深度相机
sigmoid函数
场景
盾构渣土
识别系统
多模态数据采集
掘进参数
深度学习模型