【技术实现步骤摘要】
本申请涉及时间预测，尤其涉及一种称重传感器故障时间预测方法、装置、设备及存储介质。
技术介绍
1、称重传感器作为汽车衡的核心零部件，由于称重传感器的工作环境复杂多变，其性能受到多种因素的影响，如温度、湿度、倾斜角度等。缺乏有效的生命周期预测手段，企业难以对其使用寿命进行精确评估，使得企业无法提前制定针对性地维护和更换计划。
技术实现思路
1、本申请的主要目的在于提供一种称重传感器故障时间预测方法、装置、设备及存储介质，旨在解决现有技术中缺乏有效的称重传感器生命周期预测手段，使得企业无法提前制定针对性的维护和更换计划的技术问题。
2、为实现上述目的，本申请提出一种称重传感器故障时间预测方法，所述称重传感器故障时间预测方法包括：
3、将当前称重传感器的工作状态数据输入至故障检测模型中，得到候选故障特征；
4、通过所述当前称重传感器的历史负载曲线获取负载波动数据，并对所述负载波动数据和所述候选故障特征进行预处理，得到负载特征和故障特征；
5、基于混...
【技术保护点】
1.一种称重传感器故障时间预测方法，其特征在于，所述称重传感器故障时间预测方法包括：
2.如权利要求1所述的称重传感器故障时间预测方法，其特征在于，所述将当前称重传感器的工作状态数据输入至故障检测模型中，得到候选故障特征的步骤，包括：
3.如权利要求2所述的称重传感器故障时间预测方法，其特征在于，所述将所述第三状态数据输入至预设的故障检测模型中，得到候选故障特征的步骤，包括：
4.如权利要求3所述的称重传感器故障时间预测方法，其特征在于，所述通过改进密度峰值搜索方法确定所述第三状态数据的候选故障区间的步骤，包括：
5.如...
【技术特征摘要】
1.一种称重传感器故障时间预测方法，其特征在于，所述称重传感器故障时间预测方法包括：
2.如权利要求1所述的称重传感器故障时间预测方法，其特征在于，所述将当前称重传感器的工作状态数据输入至故障检测模型中，得到候选故障特征的步骤，包括：
3.如权利要求2所述的称重传感器故障时间预测方法，其特征在于，所述将所述第三状态数据输入至预设的故障检测模型中，得到候选故障特征的步骤，包括：
4.如权利要求3所述的称重传感器故障时间预测方法，其特征在于，所述通过改进密度峰值搜索方法确定所述第三状态数据的候选故障区间的步骤，包括：
5.如权利要求3所述的称重传感器故障时间预测方法，其特征在于，所述对所述候选故障区间进行局部异常判别，生成故障概率分布图的步骤，包括：
6.如权利要求1至5中任一项所述的称重传感器故障时间预测方法，其特征在于，所述基于混合卷积神经网络...
【专利技术属性】
技术研发人员：闫洪枚，訾强，韩庆顺，申良栋，
申请(专利权)人：山东金钟科技集团股份有限公司，
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。