摘要
本申请公开了一种电气设备的故障检测方法、装置、设备及存储介质。本申请涉及电气设备技术领域,该方法包括获取电气设备部署的各个传感器在当前时刻采集的时间序列数据、图像数据和单点数据;提取时间序列数据的第一特征,提取图像数据的第二特征;将第一特征、第二特征和单点数据进行融合得到第一特征向量;基于预先训练的深度自编码高斯混合模型以及第一特征向量,确定电气设备的实时故障状态。通过上述技术手段,在缺少负样本数据的情况下深度自编码高斯混合模型也可基于数据分布实现对异常样本的识别,在故障检测任务中表现出色,解决了现有技术中因负样本数据不足影响故障检测模型的模型性能的问题,提高了故障检测的准确性和可靠性。
技术关键词
高斯混合模型
电气设备
故障检测方法
样本
门控循环网络
数据
卷积神经网络提取
Inception网络
序列
压缩特征
编码
重构误差
计算机可执行指令
图像
特征加权融合
故障检测设备
故障检测模型
传感器
矩阵
系统为您推荐了相关专利信息
医疗打印机
多维特征向量
退化特征
监测方法
高斯混合模型
深度网络模型
土地利用变化检测
多角度
场景
样本
度量
Softmax函数
深度神经网络
多模态
融合规则