基于机器学习的载带物料供需预测方法、系统和存储介质

本发明提供一种基于机器学习的载带物料供需预测方法、系统和存储介质，构建了一种多源感知‑智能预测‑动态控制的闭环结构，将设备物理特性、操作规范与AI预测深度耦合，实现载带供料场景的无人化精准管控；首先，实时采集送料速度、电机电流、温度、振动数据，结合编带类型生成带时间戳的时序序列；然后，基于时序神经网络的物料消耗预测和基于分类器的故障率预测；最后，根据预测的物料剩余率触发补料及三色显示，通过物料预测，避免断料停机，提高产线运行效率，还根据预测的故障率分级触发故障维护机制，通过故障预测，提高齿轮、电机等硬件故障的维护效率。