System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及资产的维护和故障预测,并且更具体地涉及使用基于资产的视觉和红外图像的资产状况的机器学习识别来预测维护干预。
技术介绍
1、企业资产管理(eam)是企业资源规划(erp)的一种具体类型,其包括主要业务流程的综合管理,通常是实时的并且由软件和技术促成。eam可被表征为具有支持大规模资产的管理活动的功能,如卡车队、建筑设备、涡轮机、油平台和能量产生设施。eam系统和软件便于大规模资产和资产组件的设计、构造、操作、维护和替换。
2、资产故障预防方法包括通过使用数据跟踪资产组件的平均故障间隔时间(mtbf)来管理。企业和组织受益于准确地确定mtbf并且采取行动执行维护活动以防止故障同时避免在需要之前维护性能。
3、红外(ir)光是一种辐射电磁能,其对于人类视觉是不可见的,但可以被感知或测量为热量。用诸如热成像相机之类的特殊设备捕捉ir图像,增加了可见光图像或人类视觉无法检测到的异常的额外细节。通常,ir图像提供所谓的热特征,其提供关于正常或预期操作条件的信息。
技术实现思路
1、本专利技术的实施例公开了一种用于预测到资产的故障状况的时间的计算机实现的方法、计算机程序产品和系统。该计算机实现的方法提供使计算机处理器接收具有健康状况状态的资产的图像对和所述资产的多个历史图像对的采样,所述多个历史图像对包括所述资产的故障状况的图像对,其中各个图像对包括红外图像和相应的规则图像。处理器训练第一模型以基于来自具有健康状况状态的资产的图像对的采样的训练数据来重构各个
本文档来自技高网...【技术保护点】
1.一种用于预测到资产的故障状况的时间的计算机实现的方法,所述计算机实现的方法包括:
2.根据权利要求1所述的计算机实现的方法,其中,所述第一模型是接收所述资产的红外图像和规则图像作为输入的一组自动编码卷积神经网络。
3.根据权利要求1所述的计算机实现的方法,进一步包括:
4.根据权利要求3所述的计算机实现的方法,其中,所述区域被分割成区域的方阵。
5.根据权利要求1所述的计算机实现的方法,其中,所述相似性系数包括所述图像对的各个图像的分割区域之间的欧几里得距离的多维向量。
6.根据权利要求1所述的计算机实现的方法,其中,所述第一模型和所述第二模型进一步包括:
7.根据权利要求1所述的计算机实现的方法,其中,接收的所述资产的所述多个历史图像对包括所述资产的所述健康状况状态与所述故障状况之间的状况的范围。
8.一种用于预测到资产的故障状况的时间的计算机程序产品,所述计算机程序产品包括:
9.根据权利要求8所述的计算机程序产品,其中,所述第一模型是接收所述资产的红外图像和规则图像作为输入的
10.根据权利要求8所述的计算机程序产品,进一步包括:
11.根据权利要求10所述的计算机程序产品,其中,所述区域被分割成区域的方阵。
12.根据权利要求8所述的计算机程序产品,其中,所述相似性系数包括所述图像对的各个图像的分割区域之间的欧几里得距离的多维向量。
13.根据权利要求8所述的计算机程序产品,其中,所述第一模型进一步包括:
14.根据权利要求8所述的计算机程序产品,其中,接收的所述资产的所述多个历史图像对包括所述资产的所述健康状况状态与所述故障状况之间的状况的范围。
15.一种用于预测到资产的故障状况的时间的计算机系统,所述计算机系统包括:
16.根据权利要求15所述的计算机系统,其中,所述第一模型是接收所述资产的红外图像和规则图像作为输入的一组自动编码卷积神经网络。
17.根据权利要求15所述的计算机系统,进一步包括:
18.根据权利要求17所述的计算机系统,其中,所述第一模型进一步包括:
19.根据权利要求15所述的计算机系统,其中,所述相似性系数包括所述图像对的各个图像的分割区域之间的欧几里得距离的多维向量。
20.根据权利要求15所述的计算机系统,其中,接收的所述资产的所述多个历史图像对包括所述资产的所述健康状况状态与所述故障状况之间的状况的范围。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于预测到资产的故障状况的时间的计算机实现的方法,所述计算机实现的方法包括:
2.根据权利要求1所述的计算机实现的方法,其中,所述第一模型是接收所述资产的红外图像和规则图像作为输入的一组自动编码卷积神经网络。
3.根据权利要求1所述的计算机实现的方法,进一步包括:
4.根据权利要求3所述的计算机实现的方法,其中,所述区域被分割成区域的方阵。
5.根据权利要求1所述的计算机实现的方法,其中,所述相似性系数包括所述图像对的各个图像的分割区域之间的欧几里得距离的多维向量。
6.根据权利要求1所述的计算机实现的方法,其中,所述第一模型和所述第二模型进一步包括:
7.根据权利要求1所述的计算机实现的方法,其中,接收的所述资产的所述多个历史图像对包括所述资产的所述健康状况状态与所述故障状况之间的状况的范围。
8.一种用于预测到资产的故障状况的时间的计算机程序产品,所述计算机程序产品包括:
9.根据权利要求8所述的计算机程序产品,其中,所述第一模型是接收所述资产的红外图像和规则图像作为输入的一组自动编码卷积神经网络。
10.根据权利要求8所述的计算机程序产品,进一步包括:
11.根据权利要求...
【专利技术属性】
技术研发人员:T·贝尔托尼斯卡顿,T·比安奇,E·迪亚斯费利西奥朱尼尔,T·佩雷拉,
申请(专利权)人:国际商业机器公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。