物联网设备的深度学习故障预测方法

作者：汪晓臣; 段鹏宇; 李樊; 孙同庆

来源：小型微型计算机系统, 2020, 41(12): 2631-2635.

• 物联网
• 深度学习
• LSTM
• 故障预测

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.

• 单位
  中国铁道科学研究院集团有限公司; 北京理工大学