物联网设备的深度学习故障预测方法

发布时间：2021-03-15 05:51

　　随着物联网的发展,对物联网设备进行故障预测,提高其可靠性变得越来越重要.如果能够预测故障,就能够进行相应的准备来避免故障或减少损失.本文阐述了故障预测的现有技术,传统的方法需要对设备建立数理模型,很多系统和设备的模型很复杂.本文提出了基于长短期记忆网络（LSTM）的设备故障预测方法,使用摄像头的故障日志数据建立模型,对其故障进行预测.该模型以最小化均方根误差为目标,使用当前时间以前的故障记录作为模型的输入,对下一次故障的发生时间进行预测,并使用当前故障的发生时间更新模型以进行下一次故障的预测.相比于传统的ARIMA和SVR算法,预测结果的均方根误差减少了89%以上,优于现有的预测算法,具有较强的实用意义. 

【文章来源】：小型微型计算机系统. 2020,41(12)北大核心

【文章页数】：5 页

【部分图文】：

模型总体架构

LSTM层的结构

LSTM神经元结构

【参考文献】：
期刊论文
[1]基于维修日志的飞机设备故障原因判别方法[J]. 王锐光,吴际,刘超,杨海燕.  软件学报. 2019(05)
[2]基于自学习SOM和ARMA算法的数控机床滚动轴承健康预警研究[J]. 夏筱筠,林浒.  小型微型计算机系统. 2019(01)
[3]基于神经网络的地铁短时客流预测服务[J]. 侯晨煜,孙晖,周艺芳,曹斌,范菁.  小型微型计算机系统. 2019(01)
[4]AM-BRNN:一种基于深度学习的文本摘要自动抽取模型[J]. 沈华东,彭敦陆.  小型微型计算机系统. 2018(06)
[5]基于执行序列的嵌入式软件时序异常检测[J]. 王博,白晓颖,陈文光,SONG Xiaoyu.  计算机学报. 2017(12)
[6]一种基于自适应监测的云计算系统故障检测方法[J]. 王焘,顾泽宇,张文博,徐继伟,魏峻,钟华.  计算机学报. 2018(06)
[7]云环境下基于统计监测的分布式软件系统故障检测技术研究[J]. 王焘,张文博,徐继伟,魏峻,钟华.  计算机学报. 2017(02)
[8]一种状态事件故障树的时间特性分析方法[J]. 徐丙凤,黄志球,胡军,魏欧,李伟湋.  软件学报. 2015(02)
[9]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)
[10]一个基于微处理器功能模型的可靠度评估系统[J]. 张仕健,许彤,章隆兵,胡伟武.  计算机学报. 2008(03)



本文编号：3083669