公开(公告)号：CN114399066A

公开(公告)日：2022-04-26

申请号：CN202210045220.0

申请日：2022-01-15

Applicant: 中国矿业大学(北京)

Inventor： 王卫东 ,  宋阳 ,  范誉瀚 ,  吕子奇 ,  涂亚楠 ,  孙美洁 ,  徐志强

IPC: G06Q10/00 ,  G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于弱监督学习的机械设备预知性维护系统和维护方法，多源异构数据融合模块对原始工况数据关联分析进行融合，增加数据完整性；数据重构模块结合工况优化数据空间分布，经过特征选择制作弱标签数据集；故障检测模块基于弱监督学习，对序列型工况数据建模；实时预测通过对实时工况数据拉取并处理原始数据，输入到训练好的模型，达到预知性维护的目的；模型压缩模块通过对模型的优化，压缩至可边缘计算级，满足部署要求；分布式部署可实现设备的并行预测，同时对系统具有高度复用性与维护性。本发明更加高效便捷，减少了标注成本，解决了故障数据规模小，标注难的问题。

公开(公告)号：CN114399066B

公开(公告)日：2023-04-18

申请号：CN202210045220.0

申请日：2022-01-15

Applicant: 中国矿业大学(北京)

Inventor： 王卫东 ,  宋阳 ,  范誉瀚 ,  吕子奇 ,  涂亚楠 ,  孙美洁 ,  徐志强

IPC: G06Q10/20 ,  G06Q10/04 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0895

Abstract: 本发明公开了一种基于弱监督学习的机械设备预知性维护系统和维护方法，多源异构数据融合模块对原始工况数据关联分析进行融合，增加数据完整性；数据重构模块结合工况优化数据空间分布，经过特征选择制作弱标签数据集；故障检测模块基于弱监督学习，对序列型工况数据建模；实时预测通过对实时工况数据拉取并处理原始数据，输入到训练好的模型，达到预知性维护的目的；模型压缩模块通过对模型的优化，压缩至可边缘计算级，满足部署要求；分布式部署可实现设备的并行预测，同时对系统具有高度复用性与维护性。本发明更加高效便捷，减少了标注成本，解决了故障数据规模小，标注难的问题。