摘要
本发明提供一种基于神经网络的公路材料设备剩余寿命预测方法及系统,涉及设备剩余寿命预测技术领域,包括:将每台公路材料设备标定为二维平面上的节点并分配二维坐标标识,采集其运行参数和环境参数;利用多维特征向量表征每个节点的状态信息,通过综合关联度将相关节点归为同一设备群组,未关联的节点标记为独立异常设备;获取历史运行参数、环境参数及剩余寿命,构建时序样本集,基于样本集训练神经网络模型以预测设备剩余寿命;将每个群组和独立设备的参数输入模型中,输出剩余寿命预测值,并在工地地图上用不同颜色标识设备群组和独立设备的预测剩余寿命;该方法通过时空关联分析提升预测精度,实现设备智能化运维管理。
技术关键词
剩余寿命预测方法
材料设备
剩余寿命预测模型
异常设备
多维特征向量
节点
建立神经网络模型
公路
LSTM模型
剩余寿命预测系统
参数
设备状态信息
时序
标识
剩余寿命预测技术
坐标
样本
智能化运维管理
系统为您推荐了相关专利信息
安保模块
多模态协同
燃气泄露监控
监测模块
油雾探测器
剩余寿命预测方法
温差
功率器件热阻
节点
服役寿命预测
深部地下工程
多维特征向量
神经网络模型
分布式监测系统
空间特征提取
智能诊疗方法
训练神经网络模型
网络学习用户
因子
多维特征向量