WEDE工业安全预警大模型

基于设备物理、化学本质的WEDE工业安全预警大模型，将不同设备的具体故障抽象为共性特征，在面对工业设备故障样本少、故障类型多、特征复杂的情况下，能够提供更准确、鲁棒和自适应的故障诊断和预测能力。

设备端自学习算法

从设备日常运行数据进行分类和学习，提取有用数据，能够在线完成对算法模型的更新，解决新的和未知的问题，算法实现自动迭代，有效降低算法生产落地成本高的问题。

基于少量样本的深度学习算法

结合孪生网络和多模型集成网络，利用迁移学习，选择多场景成熟应用的算法模型，通过调参等手段，采用不同的组合策略，减少单一模型可能带来的误差，尤其适用于复杂的工业场景，解决样本缺少的问题。

多策略声源定位算法

基于信号信息的声源分离技术，通过声波传播的物理模型来定位声源位置，分辨率达到1cm，利用数字信号处理技术，通过频谱分析、滤波器设计等手段，对音频信号进行分解和重构，从而实现声源的分离。实现100%精准去噪，锁定真正的故障源。