【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种设备缺陷预测及模型训练方法、装置、设备及存储介质。
技术介绍
1、生产过程中会用到的各种各样的工业设备往往部件较多且结构复杂，甚至还有一些设备时内部密封的设备，例如，气体绝缘金属封闭开关设备，这种高复杂度的设备出现缺陷发生故障时，缺陷类型多样且很难及时直接发现，因此会影响生产运营的正常安全运行。现有技术预测设备缺陷的方法包括依赖专家经验的预测方法、根据定期检测结果进行预测的方法和利用卷积神经网络进行预测的方法，但是现有技术中的预测方法对不同类型缺陷进行识别时识别精度较差。
技术实现思路
1、本专利技术实施例提供一种设备缺陷预测及模型训练方法、装置、设备及存储介质，能够训练得到对设备的不同类型缺陷进行高精度预测的设备缺陷预测模型，并及时精确地进行设备的不同类型缺陷的预测。
2、第一方面，本专利技术实施例提供一种设备缺陷预测模型训练方法，包括：
3、将样本监测序列输入至待训练的设备缺陷预测模型；所述设备缺陷预测模型包括：学习层、预测层和...
【技术保护点】
1.一种设备缺陷预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的设备缺陷预测模型训练方法，其特征在于，所述基于所述时间依赖特征生成所述样本监测序列的邻接矩阵，包括：
3.根据权利要求1所述的设备缺陷预测模型训练方法，其特征在于，所述根据所述邻接矩阵基于图卷积操作获取所述样本监测序列的图卷积特征，包括：
4.根据权利要求1所述的设备缺陷预测模型训练方法，其特征在于，所述通过所述预测层根据所述邻接矩阵基于图卷积操作获取所述样本监测序列的图卷积特征，包括：
5.根据权利要求2所述的设备缺陷预测模型训练方法，其特征
...
【技术特征摘要】
1.一种设备缺陷预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的设备缺陷预测模型训练方法，其特征在于，所述基于所述时间依赖特征生成所述样本监测序列的邻接矩阵，包括：
3.根据权利要求1所述的设备缺陷预测模型训练方法，其特征在于，所述根据所述邻接矩阵基于图卷积操作获取所述样本监测序列的图卷积特征，包括：
4.根据权利要求1所述的设备缺陷预测模型训练方法，其特征在于，所述通过所述预测层根据所述邻接矩阵基于图卷积操作获取所述样本监测序列的图卷积特征，包括：
5.根据权利要求2所述的设备缺陷预测模型训练方法，其特征在于，
6.根据权利要求4所述的设备缺陷预测模型训...
【专利技术属性】
技术研发人员：蔡建峰，李柏林，黄晓波，马志学，林素瑜，巫小彬，朱锐锋，唐松平，李冲，陈峥嵘，刘远鹤，郭沛新，
申请(专利权)人：广东电网有限责任公司，
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。