摘要
本发明涉及多源监测技术领域,具体提供一种港口设备运维性态识别方法、系统、终端及介质,包括:获取多源检测信号;利用改进的自适应卡尔曼滤波器对所述多源检测信号进行去噪处理,得到样本信号;通过小波变换和傅里叶变换将所述样本信号分解为多尺度频域特征,并对所述多尺度频域特征进行卷积处理,得到多尺度时频特征;利用基于LSTM和CNN的多任务学习模型识别所述多尺度时频特征对应的剩余寿命、故障类型和健康状态。本发明能够有效去除多源检测信号的噪声,有效利用检测信号,提升了监测效率和监测实时性。
技术关键词
港口设备
多任务学习模型
频域特征
多尺度
卡尔曼滤波器
识别方法
运维
信号
训练卷积神经网络模型
更新模型参数
传感器组合
样本
剩余使用寿命预测
多任务损失函数
深度学习特征
拉格朗日
工况
优化器
系统为您推荐了相关专利信息
水下推进器
故障诊断方法
速度预测模型
故障分类模型
故障特征
环境监控系统
异常信号
数据采集单元
监控数据分析
分析单元
质控系统
超声扫查设备
对比度
多尺度
深度学习模型
地基承载力
多维特征向量
动态预测方法
动态预测模型
地质雷达
手势控制方法
交互手势
设备交互
深度学习模型
多设备