[发明专利]一种雷达故障的预测方法、装置及存储介质在审
| 申请号: | 201910867357.2 | 申请日: | 2019-09-12 |
| 公开(公告)号: | CN112488142A | 公开(公告)日: | 2021-03-12 |
| 发明(设计)人: | 邓博 | 申请(专利权)人: | 中移(苏州)软件技术有限公司;中国移动通信集团有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G01S7/40 |
| 代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 王姗姗;张颖玲 |
| 地址: | 215163 江苏*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 雷达 故障 预测 方法 装置 存储 介质 | ||
本申请实施例公开了一种雷达故障的预测方法、装置及存储介质,所述方法包括:基于随机森林算法,从雷达设备的历史数据中选取关键特征数据;基于所述关键特征数据,训练得到雷达故障预测模型;基于所述雷达故障预测模型进行雷达故障预测。通过本申请的技术方案,基于随机森林算法提取关键特征数据,并通过基于关键特征数据训练的雷达故障预测模型进行雷达故障预测,能够提前对雷达设备可能出现的潜在故障进行预测,并大大减少雷达设备所要实现的业务失败的风险。
技术领域
本申请实施例涉及电子通信技术,涉及但不限于一种雷达故障的预测方法、装置及存储介质。
背景技术
多普勒天气雷达,是一种主动遥感的探测工具,在测量云、降雨和各种强对流天气等方面有重要的作用,其工作原理即以多普勒效应为基础,可以测定散射体相对于雷达的速度,在一定条件下反演出大气风场、气流垂直速度的分布以及湍流情况等,是进行灾害性天气监测和预警预报的重要工具。目前,全国此类雷达设备已有近200部,基于天气雷达的各项技术指标、自动化程度、复杂性、可靠性、可维护性要求较高,一个细小的故障足以使天气雷达所在的系统瘫痪。
当前雷达设备故障预测主要依靠传统数学方法,如模糊理论等,故障诊断主要依赖专家经验,随意性大、准确率低、耗费人力物力较多、现代化水平不够。
发明内容
有鉴于此,本申请实施例提供一种雷达故障的预测方法、装置及存储介质,以解决相关技术中雷达故障诊断系统,只能在故障发生后进行诊断,不能在雷达运行中实时对潜在故障进行提前预测。
第一方面,本申请实施例提供了一种雷达故障的预测方法,所述方法包括:
基于随机森林算法,从雷达设备的历史数据中选取关键特征数据;
基于所述关键特征数据,训练得到雷达故障预测模型;
基于所述雷达故障预测模型进行雷达故障预测。
第二方面,本申请实施例提供了一种雷达故障的预测装置,所述装置包括:
选取单元,用于基于随机森林算法,从雷达设备的历史数据中选取关键特征数据;
模型训练单元,用于基于所述关键特征数据,训练得到雷达故障预测模型;
故障预测单元,用于基于所述雷达故障预测模型进行雷达故障预测。
第三方面,本申请实施例提供了一种雷达故障的预测装置,所述雷达故障的预测装置至少包括:处理器和用于存储能够在所述处理器上运行的可执行指令的存储器,其中:
处理器用于运行所述可执行指令时,所述可执行指令执行上述实施例提供的雷达故障的预测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述实施例提供的雷达故障的预测方法。
本申请实施例所提供的一种雷达故障的预测方法、装置及存储介质,基于随机森林算法提取关键特征数据,并通过基于关键特征数据训练的雷达故障预测模型进行雷达故障预测,能够提前对雷达设备可能出现的潜在故障进行预测,并大大减少雷达设备所要实现的业务失败的风险。
附图说明
图1为本申请实施例提供的雷达故障的预测方法的实现流程示意图一;
图2为本申请实施例提供的雷达故障检测方法的实现流程示意图二;
图3为本申请实施例提供的LSTM的网络结构示意图;
图4为本申请实施例提供的雷达故障检测方法的实现流程示意图三;
图5为本申请实施例提供的一种雷达故障的预测装置的结构示意图;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中移(苏州)软件技术有限公司;中国移动通信集团有限公司,未经中移(苏州)软件技术有限公司;中国移动通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910867357.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:轮胎胎面探伤装置
- 下一篇:行为识别方法、装置及计算机存储介质





