摘要
本发明公开了基于多维数据驱动的机械设备故障监测系统及方法,属于故障预测技术领域,其方法具体包括:采集机械设备的多维数据,并对采集的机械设备多维数据进行预处理,提取预处理后的机械设备多维数据的特征,引入时频局部性调整机制,得到第一局部权重系数,利用似然函数对第一局部权重系数进行加权,得到第二局部权重系数,对提取的预处理后机械设备多维数据的特征进行加权融合,利用机械设备故障公共数据训练故障预测模型,根据训练好的故障预测模型,结合加权融合后的机械设备多维数据的特征,对机械设备的故障进行预测;本发明通过不断训练和优化模型,适应设备在不同工况下的运行特点,自动调节故障预测模型,具备较强的自适应能力。
技术关键词
机械设备故障监测
多维数据驱动
故障预测模型
采集机械设备
特征提取单元
模型训练模块
数据采集模块
故障预测技术
时域特征
频域特征
机器学习算法
警报
电流
压力
频率
传感器
系统为您推荐了相关专利信息
飞行状态参数
警用无人机
管控平台
时序
特征提取单元
智能家居安防系统
设备信号采集模块
图像识别模块
白名单
指纹
语音对话设备
信噪比估计值
语音识别模块
图谱特征
降噪模块
数据采集处理单元
智能识别系统
矿石
特征提取单元
激光扫描器
运营管理系统
策略
资源优化调度
需求预测模型
故障预测模型