[发明专利]工业设备监控方法、系统、电子设备及存储介质

权利要求书

1.一种工业设备监控方法，其特征在于，所述方法包括：

获取工业设备的第一运行模拟数据；

获取预设时间序列递归神经网络模型，并根据所述第一运行模拟数据对所述预设时间序列递归神经网络模型进行训练，以获取目标多模态模型；

获取工业设备的当前运行信息，并根据所述目标多模态模型对所述当前运行信息进行监控。

2.如权利要求1所述的工业设备监控方法，其特征在于，所述获取工业设备的第一运行模拟数据的步骤，具体包括：

对工业设备的预设位置进行运行信息采集，以获取待处理运行数据；

对所述待处理运行数据进行标注处理，以生成第一运行模拟数据。

3.如权利要求2所述的工业设备监控方法，其特征在于，所述获取预设时间序列递归神经网络模型，并根据所述第一运行模拟数据对所述预设时间序列递归神经网络模型进行训练，以获取目标多模态模型的步骤，具体包括：

获取预设时间序列递归神经网络模型，并对所述预设时间序列递归神经网络模型进行参数初始化处理；

将所述第一运行模拟数据输入处理后的预设时间序列递归神经网络模型进行训练，以获取目标多模态模型。

4.如权利要求3所述的工业设备监控方法，其特征在于，所述获取预设时间序列递归神经网络模型，并对所述预设时间序列递归神经网络模型进行参数初始化处理的步骤，具体包括：

获取预设时间序列递归神经网络模型，对所述预设时间序列递归神经网络模型的各特征向量的参数权重进行正态化与初始化处理。

5.如权利要求4所述的工业设备监控方法，其特征在于，所述将所述第一运行模拟数据输入处理后的预设时间序列递归神经网络模型进行训练，以获取目标多模态模型的步骤，具体包括：

将所述第一运行模拟数据输入处理后的预设时间序列递归神经网络模型并根据预设阀门开关条件进行训练，以获取目标多模态模型；

所述预设阀门开关条件为：

在所述预设时间序列递归神经网络模型已经进行过对应于所述工业设备的训练，且所述工业设备所进行的生产工艺相同时，开启所述预设时间序列递归神经网络模型的阀门；

在所述预设时间序列递归神经网络模型未进行过对应于所述工业设备的训练，且所述工业设备所进行的生产工艺变化时，关闭所述预设时间序列递归神经网络模型的阀门。

6.如权利要求1所述的工业设备监控方法，其特征在于，所述获取工业设备的当前运行信息，并根据所述目标多模态模型对所述当前运行信息进行监控的步骤之后，还包括：

将监控结果通过预设展示方式对用户进行展示，并在所述工业设备的当前运行信息为故障运行信息时进行提示。

7.如权利要求1所述的工业设备监控方法，其特征在于，所述获取预设时间序列递归神经网络模型，并根据所述第一运行模拟数据对所述预设时间序列递归神经网络模型进行训练，以获取目标多模态模型的步骤之后，还包括：

对所述当前运行信息进行数据标注，以生成第二运行模拟数据；

在所述第二运行模拟数据的样例数大于预设样例数时，根据所述第二运行模拟数据对所述目标多模态模型进行优化训练，以获取优化多模态模型；

获取工业设备的当前运行信息，并根据所述优化多模态模型对所述当前运行信息进行监控。

8.一种工业设备监控系统，其特征在于，所述系统包括：传感模块、监控模块；其中，

传感模块，用于获取工业设备的第一运行模拟数据；

所述监控模块，用于获取预设时间序列递归神经网络模型，并根据所述第一运行模拟数据对所述预设时间序列递归神经网络模型进行训练，以获取目标多模态模型；

所述监控模块，还用于获取工业设备的当前运行信息，并根据所述目标多模态模型对所述当前运行信息进行监控。