适用场景：设备运行状态检测预警
技术领域：医疗机械、装备制造
案例简介 | 痛点问题 重要设备会在很多关键位置安装传感器，对其运行状态进行实时监测，但是现有的监测主要用于安全保护，使用简单的上下限进行报警和故障指示，缺少对于设备异常状态的预警，尤其是对于常见重要故障的异常检测与预警提示。 解决方案 团队针对现有重要设备监测系统存在的正常数据多、异常数据少，无法形成有效的统计模型，重要故障数据完全缺失等异常检测难点，引入数字孪生、生成对抗网络、卷积神经网络等先进技术，融合设备的物理模型与数据驱动模型，建立重要设备的正常数据模型；综合采用基于人工智能的统计分析、相关性分析等技术，实现设备异常状态的量化，开发了异常检测软件。 |
案例亮点/优势 | 团队开发的异常检测软件，综合多种人工智能技术和异常检测模型，能实现重要故障的早期异常预警，同时避免了因设备疲劳引起的工作参数漂移而导致的错误报警。目前该技术已经应用于船舶、水电等重要设备的实际监测系统中。 |
案例相关图片 |
|
文稿：智慧医疗与健康团队、秦杨一；编辑：陆峰；审核：范文青
