摘要
本公开实施例公开了一种故障预测模型的训练、预警方法、装置、设备及产品,包括:获取训练数据集;利用卷积神经网络提取图像数据的空间特征,并利用双向长短期记忆网络提取时序数据的时间特征;将融合特征和物理约束条件输入至故障预测模型中,得到输出结果;故障预测模型为模型约束神经网络;融合特征由空间特征和时间特征融合得到;根据故障预测模型的输出结果确定损失函数值,并根据损失函数值对故障预测模型进行训练。本技术方案,利用卷积神经网络提取空间特征,利用双向长短期记忆网络提取时间特征,解决了数据处理精度和系统适应性问题,并将融合特征和物理约束条件输入至故障预测模型进行模型训练,提高了故障预测的准确性。
技术关键词
故障预测模型
实时监测数据
双向长短期记忆网络
卷积神经网络提取
故障预警方法
融合特征
时序
预警设备
计算机程序产品
故障预警装置
实时图像
处理器
图像采集设备
物理
充电站
传感器设备
特征提取模块
系统为您推荐了相关专利信息
在线实时监测方法
MLP神经网络
在线实时监测系统
神经网络模型构建
声光报警装置
趋势预测方法
损伤特征
数据处理平台
数据库系统
实时监测数据
叶面积指数
乡土植物
实测系统
图像处理模块
Softmax分类器
梯度提升决策树
故障预测模型
多头注意力机制
统计学特征
编码器
智能评定方法
应变传感器
微裂纹
数据分析单元
应力