摘要
本发明公开了故障识别模型训练方法、装置和设备故障识别方法、装置,该故障识别模型训练方法包括:采集与目标设备的运行有关的第一时间序列数据;获取目标设备在出现故障前目标时间段的第二时间序列数据;为第一时间序列数据标注第一标签,并为第二时间序列数据标注第二标签;将第一时间序列数据和第二时间序列数据作为样本数据输入初始神经网络模型中,通过初始神经网络模型的预测处理,输出样本数据对应的预测标签;基于损失值对初始神经网络模型进行训练,得到目标故障识别模型。本方案通过深度学习技术对目标设备的运行数据进行分析,可实现故障的提前预测,以提前发现潜在问题,保障目标设备的安全高效运行。
技术关键词
神经网络模型
设备故障识别方法
识别模型训练方法
序列
标签
设备工作状态
样本
功率
电流
数据采集模块
故障识别装置
传感器
周期性
深度学习技术
时间段
热源
可读存储介质
加热
系统为您推荐了相关专利信息
长短期记忆网络
序列
数据
训练预测模型
计算机设备
标签设计方法
神经网络输出层
神经网络模型
电能
网络模型结构
智能周转柜
图像识别技术
RESTful接口
模式检测
管理方法
脉冲响应模型
分布特征
卡尔曼滤波算法
饱和度场
强度
语义分割网络
光伏组件热斑检测
特征提取网络
光伏系统
通道注意力机制