【技术实现步骤摘要】
本专利技术涉及智能运维技术，尤其涉及轨交站台门多层架构智能运维及预测性维护方法及系统。
技术介绍
1、传统的定期检修模式无法及时发现潜在故障，容易造成设备意外停机和安全隐患。由于缺乏实时监测和智能分析手段，难以准确把握站台门各部件的实际运行状态，导致维护工作被动、滞后。
2、其次，现有的故障诊断方法主要依赖维护人员的经验判断，缺乏对多源异构数据的综合分析能力。站台门系统涉及机械、电气、控制等多个领域，单一的故障特征难以全面反映设备健康状态，影响了故障预测的准确性和可靠性。
3、最后，传统的维护决策缺乏数据支撑和智能优化，难以实现精准维护和资源优化配置。维护计划往往是固定的，未能根据设备实际状态和运营需求进行动态调整，造成了维护资源的浪费和维护效率的低下。
4、因此，亟需开发一种智能化、预测性的站台门维护方法，以提高设备可靠性、降低维护成本、保障运营安全。
技术实现思路
1、本专利技术实施例提供轨交站台门多层架构智能运维及预测性维护方法及系统，能够解决现有
【技术保护点】
1.轨交站台门多层架构智能运维及预测性维护方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述运行参数通过现场总线传输至边缘计算单元进行数据预处理，生成站台门健康状态特征向量包括：
3.根据权利要求1所述的方法，其特征在于，基于深度学习的站台门故障预测模型包括时序特征分支、空间特征分支和注意力特征分支；
4.根据权利要求1所述的方法，其特征在于，构建基于深度学习的站台门故障预测模型包括：
5.根据权利要求1所述的方法，其特征在于，基于基于深度学习的站台门故障预测模型的输出结果，采用决策树算法对站台门...
【技术特征摘要】
1.轨交站台门多层架构智能运维及预测性维护方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述运行参数通过现场总线传输至边缘计算单元进行数据预处理，生成站台门健康状态特征向量包括：
3.根据权利要求1所述的方法，其特征在于，基于深度学习的站台门故障预测模型包括时序特征分支、空间特征分支和注意力特征分支；
4.根据权利要求1所述的方法，其特征在于，构建基于深度学习的站台门故障预测模型包括：
5.根据权利要求1所述的方法，其特征在于，基于基于深度学习的站台门故障预测模型的输出结果，采用决策树算法对站台门...
【专利技术属性】
技术研发人员：侯淑丽，
申请(专利权)人：常州市东方浩友科技有限公司，
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。