一种基于深度学习的工业设备故障预测方法及系统

本发明公开了一种基于深度学习的工业设备故障预测方法及系统，包括：获取待测工业设备在设定时段内的历史运行数据并对其进行预处理，生成样本数据集；将所述样本数据集输入基于深度学习算法构建的工业设备故障预测模型中进行学习训练，在训练过程中利用自适应优化器迭代更新模型参数，并动态调整模型权重；将完成训练的故障预测模型部署至本地服务器中，在模型运行阶段实时接收工业设备的运行数据流，对所述运行数据流执行故障概率预测，输出对应的故障类型及其发生概率。本发明通过结合高效的数据预处理技术和深度学习算法的自适应优化机制，着重解决设备运行数据实时预测精度低及模型泛化能力差的问题。