【技术实现步骤摘要】
本专利技术涉及设备故障检测领域，特别涉及是一种基于元学习的设备故障检测方法、装置、计算机设备以及存储介质。
技术介绍
1、近年来智能工厂建设速度加快，在信息化建设的推动下，生产设备的安全性、可靠性成为人们关注的重点。生产设备一旦发生故障，可能会对整个生产系统的运行产生影响，造成难以估计的财产失和生产停滞。目前国内工厂设备维护手段主要是“事后维修”和“计划维修”，这种传统方法在智能工厂场景下存在严重不足。因此，研究故障预测系统有重要的理论意义，同时也能为工厂创造经济效益。
2、目前的故障预测方法一般包括基于模型的方法以及基于数据的方法，具体如下：
3、基于模型的方法。这类方法利用物理学或第一原理建立准确的系统数学描述，模型参数的识别和更新一般需要专门设计的实验和统计方法。然而，一个准确的故障模型需要对系统及其故障模式和行为有深刻的理解和认识。在实际应用中，由于现代工业系统越来越复杂，诱发故障的原因也越来越多甚至彼此之间会互相影响。
4、基于数据驱动的方法。该类方法提供一个从高维噪声数据到低维空间的映射，...
【技术保护点】
1.一种基于元学习的设备故障检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于元学习的设备故障检测方法，其特征在于，所述对若干个所述原始信号序列进行差分处理，获得若干个所述原始信号序列对应的差分信号序列，包括步骤：
3.根据权利要求2所述的基于元学习的设备故障检测方法，其特征在于：所述差分信号数据包括若干个信号类型的差分信号向量；
4.根据权利要求3所述的基于元学习的设备故障检测方法，其特征在于，所述根据同一个所述原始信号序列对应的差分信号序列以及自回归信号序列，构建若干个所述原始信号序列对应的目标域训练数据集，包括
...
【技术特征摘要】
1.一种基于元学习的设备故障检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于元学习的设备故障检测方法，其特征在于，所述对若干个所述原始信号序列进行差分处理，获得若干个所述原始信号序列对应的差分信号序列，包括步骤：
3.根据权利要求2所述的基于元学习的设备故障检测方法，其特征在于：所述差分信号数据包括若干个信号类型的差分信号向量；
4.根据权利要求3所述的基于元学习的设备故障检测方法，其特征在于，所述根据同一个所述原始信号序列对应的差分信号序列以及自回归信号序列，构建若干个所述原始信号序列对应的目标域训练数据集，包括步骤：
5.根据权利要求4所述的基于元学习的设备故障检测方法，其特征在于，所述根据若干个所述原始信号序列对应的目标域训练数据集，对所述故障检测模型进行训练，获...
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。