隨著物聯網的發(fā)展,對物聯網設備進行故障預測,提高其可靠性變得越來越重要.如果能夠預測故障,就能夠進行相應的準備來避免故障或減少損失.本文闡述了故障預測的現有技術,傳統(tǒng)的方法需要對設備建立數理模型,很多系統(tǒng)和設備的模型很復雜.本文提出了基于長短期記憶網絡（LSTM）的設備故障預測方法,使用攝像頭的故障日志數據建立模型,對其故障進行預測.該模型以最小化均方根誤差為目標,使用當前時間以前的故障記錄作為模型的輸入,對下一次故障的發(fā)生時間進行預測,并使用當前故障的發(fā)生時間更新模型以進行下一次故障的預測.相比于傳統(tǒng)的ARIMA和SVR算法,預測結果的均方根誤差減少了89%以上,優(yōu)于現有的預測算法,具有較強的實用意義. 

【文章來源】：小型微型計算機系統(tǒng). 2020,41(12)北大核心

【文章頁數】：5 頁

【部分圖文】：

模型總體架構

LSTM層的結構

LSTM神經元結構

【參考文獻】：
期刊論文
[1]基于維修日志的飛機設備故障原因判別方法[J]. 王銳光,吳際,劉超,楊海燕.  軟件學報. 2019(05)
[2]基于自學習SOM和ARMA算法的數控機床滾動軸承健康預警研究[J]. 夏筱筠,林滸.  小型微型計算機系統(tǒng). 2019(01)
[3]基于神經網絡的地鐵短時客流預測服務[J]. 侯晨煜,孫暉,周藝芳,曹斌,范菁.  小型微型計算機系統(tǒng). 2019(01)
[4]AM-BRNN:一種基于深度學習的文本摘要自動抽取模型[J]. 沈華東,彭敦陸.  小型微型計算機系統(tǒng). 2018(06)
[5]基于執(zhí)行序列的嵌入式軟件時序異常檢測[J]. 王博,白曉穎,陳文光,SONG Xiaoyu.  計算機學報. 2017(12)
[6]一種基于自適應監(jiān)測的云計算系統(tǒng)故障檢測方法[J]. 王燾,顧澤宇,張文博,徐繼偉,魏峻,鐘華.  計算機學報. 2018(06)
[7]云環(huán)境下基于統(tǒng)計監(jiān)測的分布式軟件系統(tǒng)故障檢測技術研究[J]. 王燾,張文博,徐繼偉,魏峻,鐘華.  計算機學報. 2017(02)
[8]一種狀態(tài)事件故障樹的時間特性分析方法[J]. 徐丙鳳,黃志球,胡軍,魏歐,李偉湋.  軟件學報. 2015(02)
[9]智能視頻監(jiān)控技術綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學報. 2015(06)
[10]一個基于微處理器功能模型的可靠度評估系統(tǒng)[J]. 張仕健,許彤,章隆兵,胡偉武.  計算機學報. 2008(03)



本文編號：3083669