一种增强工业物联网预测性维护的分散式边云协同算法制造技术

一种增强工业物联网预测性维护的分散式边云协同算法，属于物联网领域。本发明专利技术将联合平均和联合近端算法结合到一个统一的框架中，用于跨边缘设备的分布式网络进行协作预测性维护模型训练。这一方法有助于克服IIoT环境下的挑战，提高故障预测的准确性，并优化实时监控和数据保护等关键方面。在与传统边云协同方法的比较分析中，联合平均近端在准确性方面始终表现出上级性能，特别是在涉及非IID数据的场景中。该模型对不同的IIoT环境表现出了显著的适应性，这一点可以从其在不同数据集中的鲁棒性得到证明。此外，本发明专利技术的自适应通信策略有效地降低了开销，提高了边云协同过程的整体效率，证实了本发明专利技术的方法在现实世界的IIoT场景中的实用性。

【技术实现步骤摘要】

本专利技术属于物联网领域，具体涉及一种增强工业物联网预测性维护的分散式边云协同算法。

技术介绍

1、工业物联网(iiot)在推进预测性维护(pm)方面发挥了关键作用，这是一项对于预防设备故障以最大限度地减少停机时间并提高各行业运营效率至关重要的战略。在这个领域中，传统的边云协同已经成为一个关键的推动因素，允许分散的数据处理和直接在边缘设备上学习。这种方法利用iiot的分布式特性来分析现场数据，从而在没有集中数据存储的情况下做出及时的维护决策。然而，pm中的传统边云协同面临着重大挑战，包括iiot网络中数据和设备功能的异构性，导致学习和模型性能不佳。

2、工业物联网(iiot)代表了工业运营的范式转变，将数字技术与传统流程相结合，并为实时监控、自动化和数据驱动的决策提供了方法。这一转变的核心是预测性维护(pm)，这是一种预测和预防设备故障的主动策略，从而优化资源利用率并最大限度地减少运营中断。预测性维护是从反应性和预防性维护范式发展而来的一种方法，利用实时数据和机器学习模型进行高效准确的故障预测。然而，由于工业物联网(iiot)数据的巨大异质性，本文档来自技高网...

【技术保护点】

1.一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：所述算法为：

2.根据权利要求1所述的一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：步骤三中，

3.根据权利要求1所述的一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：步骤四f中，所述目标函数为：Objective＝L+w1×B+w2×P

4.根据权利要求1所述的一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：在LSTM神经网络的结构中，几个记忆块串联工作，每个记忆块包括一个记忆单元和三种不同类型的门：输入门、输出门和遗忘门；遗忘门(ft)：<...

【技术特征摘要】

1.一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：所述算法为：

2.根据权利要求1所述的一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：步骤三中，

3.根据权利要求1所述的一种增强工业物联网预测性维护的分散式边云协同算法，其特征在于：步骤四f...

【专利技术属性】
技术研发人员：胡睿晗，王忠杰，曹岂鸣，谭代敏，陈昊，于爽，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：