设备生命周期管理方法及系统技术方案

本申请公开了一种设备生命周期管理方法及系统，其获取待监控设备在预定时间段内多个预定时间点的工作功率值，以及，由声音探测器采集的所述预定时间段的声音探测信号；采用基于深度学习的人工智能技术，基于扩散模型的声音生成器生成对应于工作功率的理想生成信号，计算理想生成信号与实际声音探测信号之间的差异，并基于差异来判断所述待监控设备是否需要维护

【技术实现步骤摘要】
设备生命周期管理方法及系统


[0001]本申请涉及智能化管理
，且更为具体地，涉及一种设备生命周期管理方法及系统
。

技术介绍

[0002]数据在传输交互过程中，需要对数据包进行解码和辨识
。
需要进行如下辨识：零件的名称
、
零件的来源
、
所属机器
、
改进版本
、
所属批次
、
生命周期值以及其他相关属性和备注信息
。
[0003]传统的企业零件编码如
1BBH1100100
，只能查阅零件的名称
、
来源，其他相关信息完全不能得知，这会给传统的设备生命周期管理带来一些弊端
。
例如，无法通过设备的过程数据来设置正确的生命周期管理策略，例如，是否需要维修和保养，工作状态是否异常等
。
[0004]因此，期待一种优化的设备生命周期管理方案
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
>。
本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种设备生命周期管理方法，其特征在于，包括：获取待监控设备在预定时间段内多个预定时间点的工作功率值以及由声音探测器采集的所述预定时间段的声音探测信号；将所述多个预定时间点的工作功率值按照时间维度排列为功率输入向量后通过多尺度邻域特征提取模块以得到功率时序特征向量；将所述功率时序特征向量通过基于扩散模型的声音生成器以得到生成声音信号；将所述声音探测信号和所述生成声音信号通过包含第一声音编码器和第二声音编码器的双重检测模型以得到声音探测特征向量和生成声音特征向量；计算所述声音探测特征向量和所述生成声音特征向量之间的差分特征向量；对所述差分特征向量的高维数据流形进行调制以得到校正后差分特征向量；以及将所述校正后差分特征向量通过分类器以得到分类结果，所述分类结果用于表示待监控设备是否需要维护
。2.
根据权利要求1所述的设备生命周期管理方法，其特征在于，所述第一声音编码器和第二声音编码器具有相同的网络结构
。3.
根据权利要求2所述的设备生命周期管理方法，其特征在于，所述第一声音编码器和第二声音编码器为深度残差网络模型
。4.
根据权利要求3所述的设备生命周期管理方法，其特征在于，所述多尺度邻域特征提取模块，包括：并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核
。5.
根据权利要求4所述的设备生命周期管理方法，其特征在于，所述将所述多个预定时间点的工作功率值按照时间维度排列为功率输入向量后通过多尺度邻域特征提取模块以得到功率时序特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述功率输入向量进行一维卷积编码以得到第一尺度功率特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；其中，所述公式为：其中，
a
为第一卷积核在
x
方向上的宽度
、F(a)
为第一卷积核参数向量
、G(x
‑
a)
为与卷积核函数运算的局部向量矩阵，
w
为第一卷积核的尺寸，
X
表示所述功率输入向量；使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述功率输入向量进行一维卷积编码以得到第二尺度功率特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；其中，所述公式为：
其中，
b
为第二卷积核在
x
方向上的宽度
、F(b)
为第二卷积核参数向量
、G(x
‑
b)
为与卷积核函数运算的局部向量矩阵，
m
为第二卷积核的尺寸，
X
表示所述功率输入向量；以及将所述第一尺度功率特征向量和所述第...

【专利技术属性】
技术研发人员：余丁超，
申请(专利权)人：浙江精匠智能科技有限公司，
类型：发明
国别省市：