摘要
本发明属于数据处理技术领域,具体涉及一种基于AI算法的设备故障预警方法、系统及存储介质,所述方法包括收集需要采集的多源异构数据,从多源异构数据中提取正常状态下的正常数据和发生异常时的异常数据,基于正常数据通过机器学习生成第一模型,对第一模型执行过渡学习生成第二模型,将实时数据输入第一模型进行预测获取到对应的预测值,计算预测值和实时数据之间的偏离程度,在偏离程度大于第一阈值时,判断实时数据为异常数据,将实时数据输入第二模型获取异常类型,获取异常类型对应的标准异常数据,计算标准异常数据和实时数据的相似度,基于相似度判断是否具有发生对应异常类型的征兆。本发明能够提高故障识别的准确率。
技术关键词
实时数据
多源异构数据
设备故障预警方法
异常数据
特征值
AI算法
设备故障预警系统
仿真模型
数据收集单元
矩阵
数据处理技术
数值
日志
软件
定义
周期
情景
程序
系统为您推荐了相关专利信息
物流管理方法
云端大数据
高风险
贝叶斯网络模型
数据采集模块
自动监测系统
工业设备
云管理平台
实时数据传输方法
光缆
电力系统线路
动态识别方法
支路
电力系统参数
指标
密钥管理器
网络协议转换器
分析单元
无线网络接口
生成个性化推荐
多源异构数据
网格
代表性节点集
格式化
生成事件