10.3969/j.issn.1007-130X.2023.07.006
基于云-边协同变分自编码神经网络的设备故障检测方法
针对机电设备故障数据整体趋势和多阈值点实际应用,提出了一种基于云-边协同的变分自编码门控循环神经网络VAE-GRU的设备故障检测方法.构建了基于云-边协同的机电设备故障检测系统架构,终端设备层、边缘节点层、云中心层,云中心和边缘节点之间通过协同的方式对机电设备进行故障检测.设计了VAE-GRU模型,通过VAE编码器对输入数据进行采样,利用GRU捕捉时序数据的长期相关性.设计了动态阈值选择算法确定故障检测阈值,针对不同数据集可自动选择最优阈值,提高故障检测精度.实验结果表明,提出的基于云-边协同VAE-GRU设备故障检测方法提高了设备故障检测准确性,降低了处理时延,能保证机电设备稳定运行.
云-边协同、故障检测、变分自编码、门控循环神经网络、机电设备运维
45
TP391.41(计算技术、计算机技术)
国家自然科学基金;广西创新驱动重大专项;广西自然科学基金项目;广西云计算与大数据协同创新基金;广西研究生教育创新计划项目;南宁市科学研究与技术开发计划
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
1188-1196