基于机器学习的设备异常分析研究
文章通过对烟草企业生产线自动化生产设备的异常诊断问题进行分析,根据生产设备运行时生产数据的采集,选择了CNN和LSTM网络这两种机器学习的算法对设备异常诊断进行了研究.通过对仿真实验的数据对比,选择了LSTM网络作为设备异常诊断模型的核心算法.通过算法的仿真实验,以及烟草企业的实际需求,验证了LSTM网络算法在异常诊断上的可用性和先进性.在面对大量的实时设备运行数据时,能够快速地判断设备状况,并且在出现异常时能够迅速准确地分析出异常的类型,进而快速地制定设备异常解决方案,使设备能够快速地恢复正常生产状态,减少企业的经济损失.
烟草、设备异常、机器学习、CNN、LSTM
18
TP393(计算技术、计算机技术)
2022-05-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
89-90,94