申请/专利权人:苏州元脑智能科技有限公司
申请日:2024-01-29
公开(公告)日:2024-05-10
公开(公告)号:CN118014129A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q10/20;G06F18/21;G06F18/25;G06N3/044;G06N3/0985;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.28#实质审查的生效;2024.05.10#公开
摘要:本申请公开了一种故障预测模型获取方法和故障预测方法、装置和设备,包括:对样本运行状态信息进行分段,得到多个时间步长分别对应的第一样本信息;将第一样本信息输入循环神经网络的隐藏层并对隐藏层进行解析,得到循环神经网络的各个时间步分别对应的多个隐状态;将多个隐状态按照时间步长序列进行拼接,得到循环神经网络的多尺度特征向量;基于多尺度特征向量,将隐藏层的输出数据输入循环神经网络的任务层,得到任务层输出的第一故障指标;基于第一故障指标与样本运行状态信息的样本故障指标之间的损失值,对循环神经网络中的超参数进行调整,得到故障预测模型,可以使用安装于边缘网关的故障预测模型进行故障预测,提升了故障预测的实时性。
主权项:1.一种故障预测模型获取方法,其特征在于,所述方法包括:对样本运行状态信息进行分段,得到多个时间步长分别对应的第一样本信息;将所述第一样本信息输入循环神经网络的隐藏层并对所述隐藏层进行解析,得到所述第一样本信息的各个时间步分别对应的所述循环神经网络的隐状态;将所述隐状态进行拼接,得到所述循环神经网络的多尺度特征向量;基于所述多尺度特征向量,将所述隐藏层的输出数据输入所述循环神经网络的任务层,得到所述任务层输出的第一故障指标;基于所述第一故障指标与所述样本运行状态信息的样本故障指标之间的损失值,对所述循环神经网络中的超参数进行调整,得到故障预测模型;其中,所述故障预测模型被安装于边缘网关中,用于基于硬件设备的运行状态信息预测所述硬件设备的故障指标。
全文数据:
权利要求:
百度查询: 苏州元脑智能科技有限公司 故障预测模型获取方法和故障预测方法、装置和设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。