摘要
本申请提供了一种基于物联网的租赁设备全生命周期监测方法及系统,属于设备运维监测技术领域,该方法通过多源传感器获取租赁设备在运行过程中的实时状态数据;对实时状态数据进行特征提取,获得多种特征向量,并构建多维特征向量集;将多维特征向量集输入随机森林模型,结合时空聚类算法判断租赁设备是否处于异常状态;若是,则结合异常检测结果、历史运行数据以及基线模型,对租赁设备进行故障预测,获得租赁设备的故障概率值;基于位置数据预测租赁设备的未来位置,为租赁设备设置电子围栏边界,若未来位置超出电子围栏边界,则生成轨迹偏差的预警通知,系统最终通过热力图方式实现轨迹与故障可视化呈现,提升设备运维智能化与管理精度。
技术关键词
租赁设备
多维特征向量
生命周期监测方法
随机森林模型
历史运行数据
电子围栏
LSTM模型
动态变化特征
高精度地图数据
异常状态
全生命周期监测系统
卷积神经网络模型
聚类算法
生成轨迹
运维监测技术
轨迹偏差数据
基线
热力图
嵌套结构
系统为您推荐了相关专利信息
高速连接器
性能退化模型
历史运行数据
深度学习模型
多维特征向量
多糖
数据分析方法
参数
非暂态计算机可读存储介质
生物
视频
多尺度卷积神经网络
提升系统
序列特征
序列帧
图像增强模型
生成方法
网格
生成二维码
随机森林模型
热交换设备
多级热交换装置
梯级
历史运行数据
智能控制单元