基于DCFM模型的设备故障预测方法

摘要

本发明公开了一种基于DCFM模型的设备故障预测方法，所述方法通过搭建一种能够充分探索设备高低阶特征信息的DCFM模型结构，从而实现设备信息更深层次、更全面的提取，提高设备故障预测模型的分类效果，同时该模型对设备的特征进行自动叉乘，可以在一定程度上弥补传统机器学习方法依赖特征工程的劣势。另外，DCFM模型的FM模块基于隐向量可以实现对稀疏数据的二阶特征参数进行细腻学习；FM和CrossNetwork模块的学习效率均为线性级别复杂度，在一定程度上提高了模型的训练速度，有利于模型的快速构建，相比较其他复杂的机器学习以及深度学习模型，DCFM模型可以满足设备部件在线预测对时间响应及准确度方面的需求。