摘要
摘要:工业物联网(IIoT)环境下,生产设备的运行状况直接关系到工厂的生产效率和产品质量。及时发现设备异常并评估其健康状态,对于预防设备故障、减少经济损失至关重要。本文提出了一种基于数据驱动的异常检测和健康评估方法。首先构建了一个多源异构传感器数据融合框架,实现对设备运行全生命周期数据的高效采集和处理。然后,采用深度学习方法对设备数据进行异常检测,识别潜在故障模式。最后,设计了一种综合评估模型,融合多种评价指标,对设备健康状态进行定量评估。我们在实际生产场景中对该方法进行了验证,结果表明它能够及时发现异常情况,并得出设备健康水平的可靠评估。相比于传统方法,该方法具有更强的适用性和准确性。
出版日期
2024年06月18日（中国期刊网平台首次上网日期，不代表论文的发表时间）
