一种基于多源异构数据动态采集与LSTM优化的工业设备智能运维方法

本发明公开了一种基于多源异构数据动态采集与LSTM优化的工业设备智能运维方法，涉及工业物联网与工业设备智能运维技术领域，包括采集多源异构数据并传输至边缘节点，通过数据预处理模块进行数据预处理；构建轻量化多模态LSTM模型，识别和预测工业设备的故障；通过自适应阈值算法、差异化加权采样、动态平衡能耗和精度，使边缘节点实现实时检测故障，生成本地工业设备的运维决策；并且，通过联邦学习平台进行跨厂区协同训练，提升模型的泛化能力。因此，采用上述一种基于多源异构数据动态采集与LSTM优化的工业设备智能运维方法，能够克服传统方法对隐性故障响应滞后的问题，实现工业场景下最优资源配置，降低工业物联网终端的运维成本。