摘要
本发明属于智能检测技术领域,具体公开了基于AI的扇形段驱动辊异常检测方法、系统及程序产品,通过采集扇形段驱动辊的运行状态监测信号进行相应的信号转换处理和特征数据提取,得到监测特征集,然后将监测特征集输入训练后的异常检测模型中进行时序预测,根据下一时刻的预测结果确定是否存在异常情况,可以实现智能化的扇形段驱动辊异常检测,提高了扇形段驱动辊异常检测的时效性。并且,本发明结合机器学习模型的数据分析结果,以在判定扇形段驱动辊在设定时段内出现检测异常的频次达到预警频次条件时进行报警,可以提高对扇形段驱动辊异常检测的准确性。
技术关键词
扇形段驱动辊
异常检测方法
机器学习模型
历史运行状态
异常检测系统
输出报警信息
信号采集单元
特征提取单元
样本
计算机程序产品
特征数据提取
智能检测技术
报警单元
特征值
处理单元
信号滤波
异常数据
系统为您推荐了相关专利信息
水泵站系统调度
调水工程
构建机器学习模型
长短期记忆网络
泵站运行状态
自动监测系统
充放电数据
电池包
铅蓄电池
预测使用寿命
数据中心机房
异常检测方法
数据包结构
模式
滑动窗口机制
电网用电
分布式协同控制
分布式优化算法
管理系统
历史气象数据
衰老
皮尔逊相关系数
机器学习模型
多模态数据融合
筛选方法