创科方案 |
一种基于混合深度学习框架的升降机关键部件故障诊断和预测性保养方案
(编号: S-1136) |
试验项目 |
|
方案特点 |
- 本方案拟采用一种包含监督学习模型,自监督模型以及专家系统的混合深度学习框架去识别异常/故障事件。
- 如果考虑到大量不同品牌/型号的电梯,方案会应用迁移学习技术以提高模型的训练效率和精度。
- 方案拟采用线性相关性分析以基于机器学习的特征重要性分析来挖掘电梯部件之间的相关性以及潜在影响因素。
- 如果获得的数据集具有较高的采样频率,方案会同时研究时域和频域上的特征以完整刻画每一个样本的特点。
- 人工智能模型将会被部署到指定的服务器以实时处理在线数据和获得结果,我们会专门开发一个平台用以展示。
|
试验应用及预期成果 |
- 文献资料收集,现有技术方案总结以及技术方案可行性初步验证。
- 对数据进行预处理,并对一些潜在AI模型进行离线训练,通过不断的分析和比较,找到相对最优的通用模型。
- 为了验证方案的有效性,我们将会开发一个基于web的平台,功能包括故障记录和预警,KPI统计以及趋势分析等。
- 一份中期报告和一份结题报告分别会在项目中期和结题时提交。内容包括:项目计划、方法论、方案验证以及总结。
- 在项目结题阶段,我们会提供所开发人工智能模型的源代码以及使用说明。
|
附加方案资料 |
W-0394_Schematic of Our Solution.pdf
|
方案提供者资料 |
|