摘要
本发明公开了一种基于大数据的设备监测方法及系统,属于工业互联网及大数据分析技术领域,该方法的实现包括:多源数据采集:在烟草设备关键部位部署传感器,采集时序数据,并通过工业相机获取图像数据,同步记录生产工单、维护日志文本数据;边缘端预处理:边缘计算节点采用滑动窗口算法对时序数据进行异常点过滤,通过傅里叶变换提取振动信号频谱特征;对图像数据应用YOLO算法检测设备部件磨损或物料堵塞情况;将处理后的数据封装为固定格式特征向量;云端智能分析;动态预警与决策。本发明能够实现跨设备、跨时段的故障模式关联分析,利用大数据分析融合多源数据,实现设备智能监测,提升故障诊断与预测能力。
技术关键词
设备监测方法
强化学习算法
大数据
YOLO算法
检测设备部件
知识图谱构建
设备运行状态
工业相机
设备生命周期
烟草设备
滑动窗口算法
机器可读程序
节点
特征级融合方法
设备智能监测
设备外观
时序
设备监测装置
统一通信协议
系统为您推荐了相关专利信息
多分类方法
深度强化学习算法
时间段
视觉特征
策略
数据采集模块
参数
风力发电机组
相关性度量方法
深度神经网络结构
智能推荐方法
画像
大数据
艾宾浩斯遗忘曲线
教育资源推荐
空调调节
温度控制方法
传感器获取环境
控制空调系统
指数加权移动平均值