摘要
本发明公开了一种基于物联网的打包机预测性维护方法及系统,涉及设备维护技术领域,该方法包括以下步骤:获取打包机的原始机器状态数据及维护人员的原始情绪数据,并预处理得到预处理后机器数据及预处理后情绪数据;利用物联网技术将预处理后机器数据及预处理后情绪数据上传至云端,同时提取预处理后机器数据及预处理后情绪数据中的关键机器特征及关键情绪特征;筛选关键机器特征及关键情绪特征中的有效信息,并构建综合特征向量矩阵;基于综合特征向量矩阵训练预测性维护模型,并制定打包机的维护策略。本发明能够更准确地预测打包机的健康状态,通过多维度关联分析,可以深入挖掘设备状态与维护人员情绪之间的关系。
技术关键词
情绪特征
随机森林模型
后机器
健康状态预测
机器状态数据
皮尔逊相关系数
支持向量机算法
矩阵
粒子群优化算法
优化支持向量机
冗余特征
物联网技术
混合优化算法
打包机设备
特征提取模块
变量
机器学习算法
机器学习模型
系统为您推荐了相关专利信息
深度学习模型
交叉编译方法
计算机设备
标识
处理器
集成优化方法
健康状态数据
机器学习模型
学生健康
粒子群优化算法
岩石薄片
智能解释方法
随机森林模型
测井曲线
元素录井
机器学习模型
多媒体教学设备
漏洞
接口控制
多媒体教学技术
故障定位方法
燃料电池堆
燃料电池故障诊断技术
磁场特征
特征选择机制