基于多模态数据的异常监测预警系统及方法技术方案

本申请涉及智能监测领域，其具体地公开了一种基于多模态数据的异常监测预警系统及方法，其采用基于深度神经网络模型的人工智能技术，获取预定时间段多个预定时间点设备的运行状态的监测数据和设备振动信号波形图，通过双向注意力机制和振动信号特征提取器，可以从运行状态监测数据和振动信号中提取关键特征，将这些特征融合后得到设备运行的全局特征并利用基于转换器的上下文编码器更好地理解设备运行状态的上下文信息，以生成用于表示设备是否出现异常的分类结果。通过该方法可以实现对设备运行状态的异常监测和预警，从而提高设备的可靠性、安全性和维护效率。

【技术实现步骤摘要】

本申请涉及智能监测领域，且更为具体地，涉及一种基于多模态数据的异常监测预警系统及方法。

技术介绍

1、设备在生产过程中的运行状态是非常重要的，它对于生产效率、产品质量和生产成本等方面都具有关键的影响。设备的正常运行保证了生产线的连续性和稳定性。设备的运行状态还直接关系到产品的质量。例如，在制造业中，设备的温度、压力、振动等参数对产品的加工和成型过程起着重要作用。如果设备运行异常或参数偏离正常范围，可能会导致产品质量下降，甚至出现缺陷产品。另外，设备的异常运行可能会导致安全风险。例如，温度过高可能引发火灾，压力异常可能导致爆炸等。

2、但由于目前大多数都是基于每一种模态进行独立分析，然而实际的生产中设备的运行都是连续的过程，在运行时多个模态的数据共同作用，互相影响，仅仅通过每个单一的模态进行采集分析并不能适应复杂的设备和环境变化，另外，通常会由人工来进行定时检查和维修，不能对一些突发情况进行处理，进而影响生产的效率。

3、因此，期待一种优化的基于多模态数据的异常监测预警方案。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种基于多模态数据的异常监测预警系统，其特征在于，包括：

2.根据权利要求1所述的基于多模态数据的异常监测预警系统，其特征在于，所述运行状态注意力施加模块，包括：

3.根据权利要求2所述的基于多模态数据的异常监测预警系统，其特征在于，所述设备振动特征提取模块，用于:

4.根据权利要求3所述的基于多模态数据的异常监测预警系统，其特征在于，所述运行状态上下文理解模块，用于:

5.根据权利要求4所述的基于多模态数据的异常监测预警系统，其特征在于，所述运行状态上下文理解模块，包括:

6.根据权利要求5所述的基于多模态数据的异常监测预...

【技术特征摘要】

1.一种基于多模态数据的异常监测预警系统，其特征在于，包括：

2.根据权利要求1所述的基于多模态数据的异常监测预警系统，其特征在于，所述运行状态注意力施加模块，包括：

3.根据权利要求2所述的基于多模态数据的异常监测预警系统，其特征在于，所述设备振动特征提取模块，用于:

4.根据权利要求3所述的基于多模态数据的异常监测预警系统，其特征在于，所述运行状态上下文理解模块，用于:

5.根据权利要求4所述的基于多模态数据的异常监测预警系统，其特征在于，所述运行状态上下文理解模块，包括:

6.根据权利要求5所述的基于多模态数据的异常监测预警系统，其特征在于，所述设备状态上下文...

【专利技术属性】
技术研发人员：李晓东，
申请(专利权)人：上海怀鸫科技有限公司，
类型：发明
国别省市：