摘要
本发明属于设备状态监测技术领域,其目的在于提供一种设备故障在线监测方法、系统、电子设备及产品。其中的方法包括:获取样本特征数据;获取初始故障分类模型,并采用元学习方法,利用样本特征数据对初始故障分类模型进行训练,得到训练后故障分类模型;利用知识蒸馏技术,将训练后故障分类模型的知识传递至预设的轻量级学生模型中,得到最终故障分类模型;获取指定设备的实时运行状态数据,并对实时运行状态数据进行轻量级深度特征提取处理,得到实时特征数据;将实时特征数据输入最终故障分类模型中,以便基于最终故障分类模型得到指定设备的实时状态信息。本发明具备较低的计算资源需求,可满足边缘设备的实时计算需求。
技术关键词
故障分类模型
故障在线监测方法
深度特征提取
实时状态信息
元学习方法
样本
知识蒸馏技术
故障在线监测系统
设备状态监测技术
模型训练模块
可变形卷积网络
数据获取模块
参数
计算机程序指令
电子设备
存储计算机程序
计算机程序产品
矩阵
学生
系统为您推荐了相关专利信息
数据处理模块
卷积网络模型
长短期记忆网络
历史交通数据
交通数据处理技术
动态贝叶斯网络
故障分类模型
传输单元
历史运行数据
光网络
数据预测方法
时间序列特征
多头注意力机制
嵌入位置编码
运维
细胞图像分类方法
纹理特征提取
样本
LBP算法
训练神经网络模型
土壤水分反演方法
水云模型
后向散射系数
归一化植被指数
多模态图像配准方法