摘要
本发明提供一种基于多路召回的智能辅助诊断与检修的方法及系统,涉及故障处理技术领域,包括采集设备运行数据,经预处理后提取时序特征并增强,构建特征依赖关系图,生成状态特征向量。利用多路召回诊断网络进行故障特征召回,并融合生成故障传播图谱,进而生成故障诊断结果。最后,基于故障诊断结果和设备状态迁移概率矩阵生成初步检修方案,并结合历史案例和故障传播图谱,采用分层强化学习方法对检修方案进行优化,生成最优检修方案。本发明能够提高故障诊断的准确性和检修方案的有效性,降低设备维护成本。
技术关键词
检修策略
注意力
时序特征
智能辅助诊断
分层强化学习
融合特征
图谱
参数
矩阵
深度强化学习
元学习方法
有向图结构
故障特征
递归神经网络
节点特征
关系
依赖特征
滤波
系统为您推荐了相关专利信息
风格
生成方法
多层感知机
图像分割模型
文本编码器
图像分割模型
文本
医学图像数据
生成方法
Sigmoid函数
深度学习模型
多模态
预判方法
特征提取能力
预测误差