摘要
本发明涉及基于数字孪生的疲劳测试加载系统状态监测方法及系统,属于工业设备状态监测技术领域,解决了传统方法监测手段单一、信息化程度低、实时性较差等问题。本发明首先搭建疲劳测试加载系统物理空间,部署加载系统参数传感器采集疲劳测试加载系统的参数,再搭建疲劳测试加载系统数字空间,对数据进行预处理后和数据集划分后,利用log‑LSTM模型找出时序数据的前后关联特征,实现疲劳测试加载系统运行数据的特征提取,并基于时序特征有效判断当前的状态,最终输出疲劳测试加载系统的异常状态分类结果,从而能够及时发现疲劳测试加载系统多个部件的异常状态,保证了测试过程的稳定运行,避免了不必要停机造成的经济损失和研发中断。
技术关键词
测试加载系统
状态监测方法
数字孪生
LSTM模型
数据服务器
异常状态
数据总线模块
智能过滤器
参数
状态监测系统
智能断路器
线性插值法
工业设备状态
子系统
振动传感器
线性插值方法
系统为您推荐了相关专利信息
组装工具
预测预警系统
动作特征
生理特征参数
实时视频流
检查系统
人工智能辅助
机器学习算法
数据挖掘算法
数据分析模块
静态电压稳定裕度
长短期记忆网络
分析方法
LSTM模型
场景
数字孪生模型
分层强化学习
交直流混合系统
资源
计算机可执行指令
发动机排放控制
控制策略
数字孪生模型
决策系统
增量学习算法