摘要
本申请涉及称重传感器检测技术领域,公开了一种故障检测方法、装置、设备及存储介质,该方法包括:对来自不同传感器的多源数据进行独立分析,获得各维度的分析后数据,将分析后数据进行关联性融合,生成多维故障特征矩阵,基于多维故障特征矩阵,通过深度学习模型对称重传感器进行故障定位,确定故障检测信息。本申请通过对多源数据进行独立分析、关联性融合和深度学习模型故障定位,实现了对称重传感器故障的精准检测和定位,解决了现有技术难以应对复杂工况下的多源数据融合与异常识别的问题,显著提升了故障检测的全面性和准确性。
技术关键词
故障检测方法
故障特征
故障检测程序
数据
深度学习模型
综合故障
时间同步
称重传感器
故障检测设备
故障检测装置
氦气
矩阵
动态时间规整算法
波动特征
卡尔曼滤波方法
故障分类器
设备运行状态
偏移特征