摘要
本发明公开了基于物联网的设备故障预测及维护系统,涉及工业设备技术领域,包括节点划分单元、数据获取单元、数据核准单元、故障预测单元和应急维护单元;本发明通过获取工业设备的预设运行数据,同时通过设置在监测节点处的传感器组获取工业设备的实际运行数据,获取监测节点处所处环境中的干扰因子,根据干扰因子计算干扰影响系数,通过机器学习分析各干扰因子对数据的影响程度确定修正方向,根据卷积神经网络建立数据修正模型,得到修正后的精准化运行数据,将修正后的精准化运行数据和实际运行数据进行比较以生成故障信号,根据监测节点位置判断故障紧急程度,对应生成故障维护措施,降低数据获取过程中的误差,提高了故障判断准确性。
技术关键词
设备故障预测
核心工作部件
工业设备
控制系统组件
输送系统组件
冷却系统组件
动力系统组件
传动系统组件
节点
数据获取单元
偏差
因子
传感器组
BP神经网络
提示器
训练样本集
气动系统
网络信号强度
系统为您推荐了相关专利信息
协议模糊测试方法
测试用例集
粒子群优化算法
工业设备
融合注意力机制
电池回收设备
故障预测方法
历史故障数据
故障风险评估
特征值
控制实时监测系统
智能数据分析技术
设备运行数据
多参数传感器
监控中心
工业设备监控系统
设备智能诊断
设备状态数据
多终端
视频监视设备