公开(公告)号：CN119723187A

公开(公告)日：2025-03-28

申请号：CN202411789519.2

申请日：2024-12-06

Applicant: 安徽工业大学

Inventor： 陶陶 ,  苏大富 ,  贾晓峰 ,  万震羽 ,  郑啸 ,  周昊 ,  王修君 ,  孙晨

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明公开了一种基于深度学习的工业设备故障预测方法及装置，属于工业自动化和智能检测技术领域。该方法包括：将一维时序信号映射为时序角度，通过动态加权格拉姆矩阵计算时序角度得到二维图像；构建深度学习网络结构提取二维图像的局部特征和全局特征；将局部特征和全局特征拼接得到融合特征；将融合特征通过自适应平均池化层降维后，再经过全连接层分类，输出故障预测结果。该装置包括：信号采集模块、边缘计算模块、信号发射模块、信号接收模块和服务器。本发明集成硬件采集、边缘计算和软件算法的多模块架构，通过改进信号处理和深度学习网络结构，有效捕获一维时序信号的时空特征，兼顾局部细节和全局结构，有效提高工业设备故障检测精度。