摘要
本发明公开了一种基于机器学习的大数据设备故障预测方法，S1、采集设备运行过程中的数据，并对采集的数据进行预处理；S2、提取预处理后的设备数据中的多维特征，并计算统计特性；S3、采用时间序列分析方法对设备数据进行处理，生成时间序列特征矩阵；S4、利用改进后的Transformer模型对输入的时间序列特征矩阵进行处理，构建故障预测模型；S5、使用训练后的故障预测模型对设备进行实时监控；S6、根据预测结果，向运维人员发送故障预警信息；S7、根据实时监控和预警反馈，不断优化并更新故障预测模型。本发明能够在大数据设备故障预测中提供高效、科学的优化方案，为实际应用带来显著的技术价值和经济效益。
