论文部分内容阅读
在实际预测机械设备故障时,传统故障预测方法由于方法相对简单、且较少保存数据,导致最终故障预测准确率过低,针对这一问题,研究一种基于深度学习多算法融合的机械设备故障预测方法。以机械设备中的传动系统为检测对象,采用西门子PLC 1200实时、持续采集相应的运行数据,保存于服务器,通过算法提取数据特征值,产生数据特征流,基于大数据的专家分析,标记正常、异常状态的数据流,采用深度学习等多算法融合的方式,完成对故障预测模型的构建。根据实际项目硬件平台,获取机械设备故障数据,采用文中设计的预测方法,根据调试阶段以及上