识别设备故障的方法、装置及电子设备

    公开(公告)号:CN114360581A

    公开(公告)日:2022-04-15

    申请号:CN202111662755.4

    申请日:2021-12-30

    Abstract: 本公开提供了一种识别设备故障的方法、装置及电子设备,涉及工业大数据领域,尤其涉及人工智能领域。具体实现方案为:获取待检测设备发生故障时的声音数据;对声音数据进行特征提取,得到声音数据对应的声音组合特征;从预设样本库中所包含的多个组合特征中确定目标组合特征,其中,目标组合特征与声音组合特征的相似度满足预设条件,预设样本库至少包括:至少一种故障类型标签、多个组合特征,多个组合特征是基于待检测设备的历史环境信息以及待检测设备发生历史故障时的声音数据所确定的;根据目标组合特征所对应的目标故障类型标签确定待检测设备的故障类型。本公开至少解决了现有技术中存在的故障声音识别准确度低的技术问题。

    用电量的预测方法、装置及电子设备

    公开(公告)号:CN113435923A

    公开(公告)日:2021-09-24

    申请号:CN202110662885.1

    申请日:2021-06-15

    Abstract: 本申请提出了一种用电量的预测方法及装置,涉及数据处理领域,尤其涉及电力调度领域及深度学习等人工智能领域,可应用于智慧城市场景下,包括:获取目标区域的历史用电数据;根据所述历史用电数据,确定所述目标区域的目标用电类型;调用与所述目标用电类型匹配的目标预测模型;由所述目标预测模型基于所述历史用电数据进行预测,获取下一用电时间段的预测母线负荷量。本申请中,通过对历史用电数据进行数据分析确定目标区域的目标用电类型,实现了对于历史用电数据的有效利用,对不同的目标用电类型分别进行单独的预测,提高了模型预测的效率以及准确率,增加了用电量预测方法的适用性和实用性,有效减少了资源浪费。

    特征漂移幅度的识别方法、装置、设备和存储介质

    公开(公告)号:CN112149700A

    公开(公告)日:2020-12-29

    申请号:CN201910575404.6

    申请日:2019-06-28

    Inventor: 杨海华

    Abstract: 本申请提供一种特征漂移幅度的识别方法、装置、设备和存储介质,该方法中,设备按照时间序列,将预先获取到的数据样本进行划分,得到多个子数据样本,根据极端梯度提升模型对每个子数据样本进行训练,得到每个特征在每个时间段中的重要性指标,根据每个特征在不同时间段中的重要性指标,获取所述特征的漂移幅度,基于模型对特征漂移的幅度进行识别,简单易用,且准确度较高。

    漏气检测方法、模型的训练方法、装置、电子设备及介质

    公开(公告)号:CN114564995A

    公开(公告)日:2022-05-31

    申请号:CN202210200947.1

    申请日:2022-03-02

    Abstract: 本公开提供了一种漏气检测方法、深度学习模型的训练方法、装置、电子设备、存储介质以及程序产品,涉及数据处理技术领域,尤其涉及深度学习以及工业大数据等技术领域。具体实现方案为:获取训练样本,其中,所述训练样本包括虚拟声音信号以及与所述虚拟声音信号相匹配的标签,所述虚拟声音信号用于表征与目标对象相关的声音信号,所述标签用于表征所述目标对象是否处于漏气状态;以及利用所述训练样本训练深度学习模型,得到经训练的深度学习模型。

    故障检测方法、装置、电子设备和介质

    公开(公告)号:CN114662702B

    公开(公告)日:2025-05-23

    申请号:CN202210340068.9

    申请日:2022-03-31

    Abstract: 本公开提供了一种故障检测方法、装置、设备、介质和产品,涉及计算机技术领域,具体为工业大数据、机器学习技术领域。故障检测方法包括:基于目标频率范围和目标设备的运行状态数据的频率,对运行状态数据进行分解,得到与目标频率范围对应的频率区间数据;对频率区间数据进行特征提取,得到与频率区间数据对应的初始特征集合,其中,初始特征集合中的初始特征包括类别标识;基于类别标识,对初始特征集合进行处理,得到目标特征;基于目标特征,确定针对目标设备的故障信息。

Patent Agency Ranking