一種基於混合深度學習框架的升降機關鍵部件故障診斷和預測性保養方案

創科方案 一種基於混合深度學習框架的升降機關鍵部件故障診斷和預測性保養方案
(編號: S-1136)
試驗項目
方案特點
  • 本方案擬採用一種包含監督學習模型,自監督模型以及專家系統的混合深度學習框架去識別異常/故障事件。
  • 如果考慮到大量不同品牌/型號的電梯,方案會應用遷移學習技術以提高模型的訓練效率和精度。
  • 方案擬採用線性相關性分析以基於機器學習的特征重要性分析來挖掘電梯部件之間的相關性以及潛在影響因素。
  • 如果獲得的數據集具有較高的採樣頻率,方案會同時研究時域和頻域上的特征以完整刻畫每一個樣本的特點。
  • 人工智能模型將會被部署到指定的服務器以實時處理在線數據和獲得結果,我們會專門開發一個平台用以展示。
試驗應用及預期成果
  • 文獻資料收集,現有技術方案總結以及技術方案可行性初步驗證。
  • 對數據進行預處理,並對一些潛在AI模型進行離線訓練,通過不斷的分析和比較,找到相對最優的通用模型。
  • 為了驗證方案的有效性,我們將會開發一個基於web的平台,功能包括故障記錄和預警,KPI統計以及趨勢分析等。
  • 一份中期報告和一份結題報告分別會在項目中期和結題時提交。內容包括:項目計劃、方法論、方案驗證以及總結。
  • 在項目結題階段,我們會提供所開發人工智能模型的源代碼以及使用說明。
附加方案資料 W-0394_Schematic of Our Solution.pdf
方案提供者資料
方案提供者:蟻能有限公司
地址:香港南區數碼港道100號數碼港3座3樓SSIT St. 房間號18
聯絡人:余雅曦
職位:項目經理
電話:6231 7146
電子郵件: chaisongjian@gmail.com

有關上述創新科技解決方案的詳情,請聯絡方案提供者查詢。