摘要
本发明公开了一种用于物联网的故障预防方法和装置,故障预防方法对采集到的信号进行预处理,得到诸如工业控制网络的物联网中网络设备的特征数据;建立DNN网络模型和LSTM网络模型,并采用历史数据对LSTM模型进行训练,获取LSTM模型最优的权重系数,输入历史窗口时长、预测时间间隔、未来预测时间区间,获取当前时刻以及预设历史时间区间内的网络的故障值,通过LSTM模型获得未来预测时间区间的网络的故障值,准确预测未来一段时间内网络是否发生故障,有效避免因故障发生而导致网络中的业务中断和经济损失甚至生命安全。本发明通过采用DNN和LSTM神经网络,有效提高了检测的效率和准确性。
技术关键词
故障预防方法
工业控制网络
预测时间间隔
LSTM模型
EtherCAT现场总线
因子
总线型拓扑结构
网络拓扑结构
网络设备故障
还原数据
故障预防装置
控制自动化技术
LSTM神经网络
电子设备
无故障
滑动窗口方法
系统为您推荐了相关专利信息
自动分类方法
音频特征
文本
多模态特征融合
短时傅里叶变换
ARIMA模型
荷电状态估算
随机森林模型
特征工程
LSTM模型
基坑
多指标
边坡水平位移
支护桩体
构建机器学习模型
Gompertz模型
Logistic模型
智能模型
LSTM模型
贝叶斯信息准则