CN119417230A 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统 (杭州绿城信息技术有限公司)_第1页
CN119417230A 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统 (杭州绿城信息技术有限公司)_第2页
CN119417230A 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统 (杭州绿城信息技术有限公司)_第3页
CN119417230A 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统 (杭州绿城信息技术有限公司)_第4页
CN119417230A 基于深度学习的城市社区嵌入式服务设施运营管理方法及系统 (杭州绿城信息技术有限公司)_第5页
已阅读5页,还剩27页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

道滨文路426号岩大房文苑大厦20楼司基于深度学习的城市社区嵌入式服务设施涉及基于深度学习的城市社区嵌入式服务设施2动态采集设备状态数据,所述设备状态数据通过部署在基于第一设备状态监测数据构建设备的数字孪生模型,采用深执行智能设备巡查,巡查机器人依据生成的优化建议数据进基于第二设备状态监测数据及其分析结果,应用深度学习算法3Sk表示第k个风险因素的评分。10.一种用于实施权利要求1至9任一所述基于深度学习的城市社区嵌入式服务设施运数字孪生模型构建模块,用于基于第一设备状态监测数据构建设备的数字孪生模型,智能巡查模块,用于执行智能设备巡查,所述智能故障识别与预警模块,用于基于第二设备状态监测数据及其分析结果45[0017]一种用于实施所述基于深度学习的城市社区嵌入式服务设施运营管理方法的系6789sr1=f(S,W)[0042]其中,srx1表示预测的下一个时[0050]在这个公式中,融合设备状态数据Df是通过所有传感器的状态数据Di及其相应[0052]通过实施上述动态加权的融合技术,系统不仅能够实时反映设备的综合运行状这些传感器的实时数据反馈为形成第二设备状态监测数[0066]其中,D;表示第二设备状态监测数据向量;TS表示巡查过程中采集的实时温度模型的实时分析能力使得第二设备状态监测数据得以在动态环境中与模型的预测结果相[0087]潜在故障风险等级R的计算则依赖于设备健康指数和环境影响因素E。环境影响P=0.5·0.7+0.3·0.8+0.2·0.6=0.35+0.24+0.12=0.71[0111]如图5所示,一种用于实施所述基于深度学习的城市社区嵌入式服务设施运营管备状态监测数据及其分析结果,应用深度学习算法和集成学习算法识别设备的故障风险。

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论