摘要
本发明提出了基于传感器的冷链设备故障检测方法及系统。属于冷链设备故障检测技术领域。所述方法包括:通过多维度传感器,对冷链设备运行状态的对多维度数据进行实时采集;采用主成分分析算法对标准化的多维数据集进行降维处理,提取数据中的主要特征成分,构建高维特征向量集;并利用LSTM模型对多维数据集进行时序特征提取,得到多维时序特征矩阵;将高维特征向量集与多维时序特征矩阵进行融合,得到融合特征矩阵;采用主成分分析和长短期记忆网络相结合的方法,分别提取数据的主要特征和时序特征,并通过特征融合策略将两者有机结合,更全面地描述冷链设备的运行状态,提高故障特征提取的准确性。
技术关键词
设备故障检测方法
高维特征向量
冷链设备
时序特征
模式
故障原因分析
数据
融合特征
多维度传感器
贝叶斯网络模型
模糊综合评价方法
特征值
故障特征
主成分分析算法
协方差矩阵
设备内部结构
支持向量机算法
贡献率
系统为您推荐了相关专利信息
智能健康管理方法
锂电池
优化预测模型
BP神经网络模型
模式
实时检测系统
光流场模型
时序特征
关键帧
支持向量机分类器
人形机器人
气动人工肌肉
关节
协同运动控制方法
下肢
混合网络模型
功放线性化方法
样本
信号
局部空间特征