摘要
本发明提供一种基于多模态传感器融合的工业设备实时健康监测系统,包括采集设备运行参数的多模态传感器模块,对传感器数据进行清洗、预处理、特征提取和初步异常检测的边缘计算网关,接收来自边缘计算网关发布的数据并转发的MQTT数据采集与传输模块,接收MQTT转发的海量实时数据流的Kafka实时流处理模块,将Kafka实时流处理模块传输的数据形成统一多维特征向量的数据融合与特征工程模块,分别利用融合后的多模态特征数据进行时序预测的LSTM时间预测模块、进行分类诊断的随机森林分类模块、进行异常行为识别的自编码器异常检测模块,通过实时数据流进行可视化展示与交互式查询的数字孪生模块。本系统能实现对工业设备运行状态全面精准评估和故障预警。
技术关键词
多模态传感器
实时健康监测
特征工程
海量实时数据流
重构误差
随机森林
多维特征向量
采集设备
编码器
工业设备运行状态
数字孪生模型
传输模块
频域特征
网关对数据
时序特征
系统为您推荐了相关专利信息
跌倒风险评估
老年人
生物力学模型
动态
惯性传感单元
电力负荷分析方法
时间序列模型
电力负荷曲线
数据特征工程
数据同步功能
风险预警系统
云端数据管理平台
地面机器人
多模态传感器
人工智能平台