一种基于深度学习的一次设备风险智能评估方法

摘要

本发明公开了一种基于深度学习的一次设备风险智能评估方法，包括以下步骤：1.缺陷数据分析，通过缺陷数据分析了解设备缺陷数据特征；2.构建缺陷标准库；3.构建缺陷智能诊断模型，精准识别设备缺陷原因及缺陷部位；4.缺陷诊断结果分析，有效推荐缺陷管理措施；5.构建设备风险智能评估模型；6.风险等级划分。本发明中缺陷标准库构建是设备缺陷智能诊断数据的来源和诊断基础，风险智能评估的输入指标来源于缺陷智能诊断的结果数据，结合业务逻辑和算法模型分析设备缺陷对设备风险的影响程度，评估缺陷引起的设备风险情况，为业务人员有针对性的推荐高风险设备缺陷处理措施，使业务人员能够在有效时间内高效解除设备风险。