本技术方案专注于机电产品磨损测试领域,旨在提供一种在线模拟方法和系统。该系统通过以下步骤实现:首先从历史数据库提取机电产品在运行过程中的多维度监测数据;接着利用贝叶斯方法对数据进行分析,以预测磨损情况;最后通过模拟技术对磨损过程进行在线模拟,以评估产品性能和寿命。
背景技术
在预测性维护的过程中,重要的是知道机电切换元件,包括诸如机电继电器或接触器或机电阀,特别是液压和/或气动致动器等的状况,并且在可能的故障之前更换磨损的致动器或切换元件,以避免停止或停机。
目前对于机电产品的磨损预测主要使用深度学习模型或是经典机器学习模型的网络结构,比如使用卷积神经网络、循环神经网络或者是贝叶斯网络等,然而卷积神经网络和循环神经网络的收敛速度有限,而贝叶斯网络对数据依赖性强。单独采用以上模型进行机电产品的磨损预测的预测效率偏低,预测精度不高,且缺少模型可解释性。
实现思路