摘要
本发明涉及机械健康监测技术领域,提供一种设备故障预测性维护方法、电子设备和存储介质,提出的设备故障预测性维护方法,利用历史检测数据对LSTM模型进行训练,对设备进行寿命预测,采用时序预测模型执行时间序列的多变量预测,输出多步预测数据,进而基于分类模型进行故障分类,确定故障分类结果,最后故障分类结果和历史检测数据对所述LSTM模型进行诊断评估,结合该模型具有较好的学习精度和泛化能力,能够对多源振动信号直接进行预测,有效提高寿命预测的效率和精度,对降低运维成本、防止事故发生。
技术关键词
LSTM模型
时序预测模型
节点
数据
XGBoost模型
序列
健康监测技术
多头注意力机制
随机森林模型
电子设备
处理器
积层
时间段
变量
存储器
曲线
寿命
指标
运维
精度
系统为您推荐了相关专利信息
动态链接库文件
文件扩展名
计算机数据保护
编辑
编码
香气物质相互作用
决策树算法
Boosting算法
感官
关系
控制策略
新型功能涂层
头脑风暴优化算法
智能控制方法
烟花