[发明专利]基于符号和卷积神经网络的工业设备数据边缘处理方法有效
| 申请号： | 201910261399.1 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN110008898B | 公开（公告）日： | 2021-02-23 |
| 发明（设计）人： | 曾九孙;陈德伦;蔡晋辉;姚燕 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310018 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于符号和卷积神经网络的工业设备数据边缘处理方法。利用传感器通过间隔采样采集工业设备中不同健康条件下的高频信号时间序列数据，对高频信号时间序列数据进行处理获得符号图；将高频信号时间序列数据的符号图及其故障分类类型输入到预设设计构建的卷积神经网络中进行训练；将卷积神经网络的第一处理模块布置在边缘终端设备上，剩余部分布置在云端服务器上。本发明通过数据分割及符号化表示，实现高频数据的降维和压缩，从而节省信号传输的带宽，减轻云端服务器的计算压力，以此实现大型设备的在线监测和故障识别，为大型设备的在线健康监测提供了可靠有效的技术支持。 | ||
| 搜索关键词： | 基于 符号 卷积 神经网络 工业 设备 数据 边缘 处理 方法 | ||
【主权项】：
1.一种基于符号和卷积神经网络的工业设备数据边缘处理方法，其特征在于：方法具体包括以下步骤：步骤1，利用传感器通过间隔采样采集工业设备中不同健康条件下的高频信号时间序列数据作为训练样本；步骤2，对高频信号时间序列数据进行处理获得符号图；步骤3，将训练样本的高频信号时间序列数据采用上述步骤1‑4处理获得符号图，训练样本的高频信号时间序列数据已知分为有故障和无故障的两种类型，有故障的类型再细分为多种具体故障类型；将高频信号时间序列数据的符号图及其故障分类类型输入到预设设计构建的卷积神经网络中进行训练；步骤4，将训练后获得的卷积神经网络中的第一个处理模块布置在边缘终端设备上，卷积神经网络剩余的部分布置在云端服务器上，针对未知故障类型的高频信号时间序列数据进行检测处理。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910261399.1/，转载请声明来源钻瓜专利网。
