摘要
本发明提供一种基于多维数据关联性的故障预测系统及方法,包括设置在矿车电动轮上的数据采集模块(100),用于根据时间效应进行数据分类的数据分类模块(200),用于提取特征向量的数据处理模块(300),用于根据故障诊断模型进行故障预测的故障诊断模块(400)和用于将预测结果反馈至用户的显示模块(500)。本发明所述的一种基于多维数据关联性的故障预测系统及方法,通过各检测点的转速数据、震动数据和温度数据的进行多维数据融合,进而通过数据的综合分析及时发现并预防设备运行中的故障情况。
技术关键词
故障预测系统
检测点
数据处理模块
故障诊断模块
数据分类
数值
数据采集模块
故障诊断模型
矿车
故障分析模型
因子
故障预测方法
效应
震动传感器
转速传感器
偏差
坐标
温度传感器
系统为您推荐了相关专利信息
影像数据分类方法
扩展特征向量
集成分类器
深度特征学习
神经影像数据分析技术
高空施工作业
状态监控装置
金属应变片
数据处理模块
双钩
电力巡检方法
电力设备表面
故障特征
设备地理位置信息
电力设备巡检技术
客户端
联邦学习方法
数据分类模型
联邦学习系统
服务器
智能阀门执行器
故障预警系统
量子加密技术
融合深度学习
多模态深度神经网络