买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都市工业互联网发展中心

摘要：本发明提供一种基于标识解析的时空数据融合方法及系统，获取并融合数据，所述数据包括历史数据和实时数据；基于所述历史数据构建至少一个故障预测模型，并根据优先级选择首位故障预测模型作为主故障预测模型，其余作为次故障预测模型；基于所述实时数据不断更新所述故障预测模型，并得到各个故障预测模型的故障预测值；依据各个故障预测模型的故障预测值逐级判断故障预测模型的可靠性；根据满足可靠性的首位故障预测模型的故障预测值预测故障，通过历史时空数据构建故障预测模型，以优化维护策略，通过预测故障以降低维修成本，通过实时数据持续地优化模型以及设计冗余模型来提高预测模型的可靠性，提高生产效率。

主权项：1.一种基于标识解析的时空数据融合方法，其特征在于，所述融合方法包括以下步骤：S1：获取并融合数据，所述数据包括历史数据和实时数据；S2：基于所述历史数据构建至少一个故障预测模型，并根据优先级选择首位故障预测模型作为主故障预测模型，其余作为次故障预测模型；S3：基于所述实时数据不断更新所述故障预测模型，并得到各个故障预测模型的故障预测值；S4：依据各个故障预测模型的故障预测值逐级判断故障预测模型的可靠性；S5：根据满足可靠性的首位故障预测模型的故障预测值预测故障；步骤S1包括：S101：为实体分配唯一标识，所述实体包括传感器、设备和系统；S102：从实体中采集数据，并存储于数据库中；S103：根据标识方式解析数据，将不同标识方式的数据映射为统一的数据格式；S104：根据实体的唯一标识，将属于同一实体的数据按照时间和空间维度进行融合，并生成时空数据；步骤S4包括：S401：依据同一实体的时空数据计算所述故障预测模型的故障预测值；S402：对除首位外所有故障预测模型的故障预测值求平均值D，计算公式如下： 其中，n代表故障预测模型的个数，Dn代表故障预测模型的故障预测值；S403：判断首位故障预测模型的故障预测值与预测值平均值的差值是否小于设定的异常阈值；若差值异常阈值，则表明首位故障预测模型为正常状态；若差值≥异常阈值，则表明首位故障预测模型为故障状态；S404：剔除处于异常状态的首位故障预测模型，并按照优先级顺序认定下一个故障预测模型为首位，直至首位故障预测模型为正常状态。

全文数据：

权利要求：

百度查询： 成都市工业互联网发展中心 基于标识解析的时空数据融合方法及系统