【技术实现步骤摘要】
本专利技术涉及设备故障检测领域，具体来说，涉及设备故障检测领域中基于机器学习对待测设备进行故障检测的技术，更具体来说，涉及一种设备故障检测模型的训练方法、设备系统。
技术介绍
1、随着工业领域的发展，各地都出现了大量的燃煤发电厂、锅炉厂、水电厂、石油化工厂、钢铁厂以及水泥厂等场所，这些场所中都需要多个设备协同运作以实现对应的功能，并对设备的运行状态数据进行监测以实现设备的故障检测和维护。例如，大型燃煤发电厂这类场所中工业设备上配置有大量的传感器，这些传感器用来获取设备的运行状态数据，这些大量的传感器具备产生数据量大、特征维度高以及数据关系复杂等特性，难以通过大量传感数据直接判断设备故障类型。
2、随着深度学习的发展，相关研究者结合深度学习模型提出了一种面向燃气轮机发电装备的联邦知识融合与故障诊断方法，如图1所示，该方法通过在每个电厂所代表的边端建立一个条件生成对抗网络用于边端故障诊断，然后将建立的模型上传到云端进行联邦知识融合。在联邦知识融合过程中，将每个边端上传的模型都视为一个教师网络，提取教师网络中多层级故障知识，同时将...
【技术保护点】
1.一种设备故障检测模型的训练方法，所述设备故障检测模型用于包含多个设备的应用场所，该应用场所配置有边缘服务器，且各个设备上部署有运行状态数据采集传感器，其特征在于，所述方法包括执行如下步骤为待测设备训练一个设备故障检测模型：
2.根据权利要求1所述的方法，其特征在于，所述步骤S3包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤S3还包括：
4.根据权利要求3所述的方法，其特征在于，所述交叉熵损失为：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在...
【技术特征摘要】
1.一种设备故障检测模型的训练方法，所述设备故障检测模型用于包含多个设备的应用场所，该应用场所配置有边缘服务器，且各个设备上部署有运行状态数据采集传感器，其特征在于，所述方法包括执行如下步骤为待测设备训练一个设备故障检测模型：
2.根据权利要求1所述的方法，其特征在于，所述步骤s3包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤s3还包括：
4.根据权利要求3所述的方法，其特征在于，所述交叉熵损失为：
5.根据权利要求1所述的方法，其特征在于，所述方...
【专利技术属性】
技术研发人员：纪雯，赵健，左路路，胡叠丽，国琪，杨哲铭，
申请(专利权)人：中国科学院计算技术研究所，
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。