一种基于机器学习的工业设备故障预防性识别方法
基本信息
| 申请号 | CN201610815901.5 | 申请日 | - |
| 公开（公告）号 | CN106598791B | 公开（公告）日 | 2017-04-26 |
| 申请公布号 | CN106598791B | 申请公布日 | 2017-04-26 |
| 分类号 | G06F11/22(2006.01)I | 分类 | - |
| 发明人 | 周迪平;郑亚娟 | 申请（专利权）人 | 湖南微软创新中心有限公司 |
| 代理机构 | 北京慕达星云知识产权代理事务所（特殊普通合伙） | 代理人 | 崔自京 |
| 地址 | 412001湖南省株洲市云龙示范开发区云龙大道云发大厦八楼 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于机器学习的工业设备故障预防性识别方法，采用机器学习的人工智能算法，不断学习更新状态预测模型，可实时监控预测工业设备的工作状态，在第一时间发现工业设备的异常苗头，及时报警，杜绝事故的发生；本发明不仅采用工业设备全生命周期的典型故障案例作为学习对象，更是结合了工业设备的档案数据、使用区域环境条件，尤其是关键元器件的可靠性数据作为学习对象，从多角度评估工业设备的可靠性，使预测结果更加准确。 |
