一种面向工业大数据的在线实时故障诊断与预测维护平台

本发明公开了一种面向工业大数据的在线实时故障诊断与预测维护平台，具体涉及故障监测技术领域，用于解决现有的机器学习模型在实际工业应用过程中可能出现预测输出不一致的现象；该平台通过采集并记录来自多源工业设备的实时监测数据，经预处理后利用多种预先训练的机器学习模型对数据进行预测，并对模型预测输出进行冲突检测；确认预测不一致时，平台基于历史运行场景与当前工况数据在信息熵和相位特性上的非线性比较，识别出因模型适应性不足所引起的异常现象，并据此动态调整各模型权重，从而实现对设备故障类型的准确识别及剩余可用寿命的预测，有效提高了故障预测的准确性与系统运行的可靠性。