1.基于大数据分析的自动化设备温度异常预警方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法,其特征在于:所述步骤101中,通过在电机上安装温度传感器,对自动化设备进行温度数据采集,将采集到的温度数据进行归一化处理,并将温度数据存储到数据库中,具体步骤如下:
3.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法,其特征在于,所述步骤102中,通过深度学习神经网络,建立温度预测模型,设置历史温度数据包含n个时间步的观测值,用x表示输入特征向量,y表示对应的温度预测值,具体包括以下步骤:
4.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法,其特征在于,所述步骤103中,将包含时间和对应的温度数值的历史数据进行分析,绘制历史温度数据的折线图,通过观察折线图,判断温度是否存在明显的波动,根据历史数据计算出均值和标准差,设定温度阈值,具体步骤如下:
5.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法,其特征在于,所述步骤104中,通过时间序列分析技术,对历史温度数据进行趋势分析,使用支持向量机算法构建自动化设备温度预测模型,基于大数据分析,进行温度预测预警,在温度预警值前采取降温措施,避免设备故障和生产中断,具体步骤如下:
6.根据权利要求1所述的基于大数据分析的自动化设备温度异常预警方法,其特征在于,所述步骤105中,利用物联网技术将采集到的高温点温度数据传输给物联网设备,通过滤波方法对温度数据进行平滑处理,避免瞬时噪声导致错误的预警触发,根据设定的温度预警阈值进行数据分析,判断是否达到高温预警条件,并将温度传感器与声光报警系统进行联动,实现对高温点的及时预警和联动处置,具体步骤如下: