【技术实现步骤摘要】
一种故障预测方法、装置、设备及可读存储介质
[0001]本专利技术属于智能制造
,具体涉及一种基于智能制造过程数据的故障预测方法、装置、计算机设备及计算机可读存储介质。
技术介绍
[0002]随着智能制造和工业互联网的迅速发展,对于制造设备的可靠性提出了更高的要求。借助计算机技术可以辅助人们对设备故障进行监测,减少因为设备故障而导致停产的风险。
[0003]现有的故障预测方法中,首先,考虑的故障因素是往往是单方面,例如,在设备的温度大于阈值时即报警提醒,认为可能发生故障,这就导致故障预测的准确性低。其次,没有充分的考虑误判的后果,一味的追求零故障,在达到预警阈值时就会使设备停止工作,出现误判(将设备正常误判为故障)时,需要停产进行检查确认,同样也会降低制造效率,带来巨大损失。
技术实现思路
[0004]为了解决上述技术问题,本专利技术提供一种基于智能制造过程数据的故障预测方法、装置、计算机设备以及计算机可读存储介质。
[0005]第一方面本专利技术提供一种基于智能制造过程数据的故障预测方法,包括:S101:获取制造设备在工作过程中的历史数据,其中,历史数据包括故障信息、温度数据、耗电数据和产能数据;S102:构建特征池,特征池包括温度子特征池、耗电子特征池和产能子特征池;S103:提取历史数据的数据特征放入至相应的子特征池,其中,数据特征包括温度特征、耗电特征和产能特征;S104:构建深度故障预测神经网络,其中,深度故障预测神经网络包括温度神经网络、耗电神经网络和产能神经网络,温 ...
【技术保护点】
【技术特征摘要】
1.一种基于智能制造过程数据的故障预测方法,其特征在于,包括:S101:获取制造设备在工作过程中的历史数据,其中,所述历史数据包括故障信息、温度数据、耗电数据和产能数据;S102:构建特征池,所述特征池包括温度子特征池、耗电子特征池和产能子特征池;S103:提取所述历史数据的数据特征放入至相应的子特征池,其中,所述数据特征包括温度特征、耗电特征和产能特征;S104:构建深度故障预测神经网络,其中,所述深度故障预测神经网络包括温度神经网络、耗电神经网络和产能神经网络,所述温度子特征池连接所述温度神经网络,所述耗电子特征池连接所述耗电神经网络,所述产能子特征池连接产能神经网络;S105:构建特征融合神经网络,所述深度故障预测神经网络的输出连接至所述特征融合神经网络,以在数据特征与预测结果之间建立映射关系,并通过所述特征融合神经网络输出所述预测结果,其中,所述温度特征、所述耗电特征和所述产能特征在特征融合过程中具有相应的权重,所述权重用于表征相应的特征对于所述预测结果的贡献率;S106:比对所述预测结果与所述历史数据中的故障信息,对所述预测结果进行评价,其中,对所述预测结果的评价结果包括:将正常预测为故障类结果、将故障预测为正常类结果、将正常预测为正常类结果、将故障预测为故障类结果;S107:平衡所述将正常预测为故障类结果与所述将故障预测为正常类结果两类结果分别付出的代价,对所述温度特征、所述耗电特征和所述产能特征的权重进行修正;S108:实时获取所述制造设备的运行数据;S109:将所述制造设备的运行数据实时输入至所述深度故障预测神经网络,并通过所述特征融合神经网络输出对于所述制造设备的实时预测结果;S110:在对于所述制造设备的实时预测结果为存在故障时情况下,发出警报。2.根据权利要求1所述的基于智能制造过程数据的故障预测方法,其特征在于,S101具体包括:S1011:以数据流的形式获取制造设备在工作过程中的历史数据;S1012:对所述历史数据进行正则化处理,根据所述历史数据引入额外的数据,以防止过拟合;S1013:对经正则化处理后的数据通过趋势修正移动平均法进行趋势修正。3.根据权利要求1所述的基于智能制造过程数据的故障预测方法,其特征在于,所述深度故障预测神经网络由多层故障预测神经网络进行叠加构成,上一层故障预测神经网络的结果作为下一层故障预测神经网络的输入,最后一层故障预测神经网络的结果作为所述深度故障预测神经网络的输出,并与所述特征融合神经网络连接。4.根据权利要求1所述的基于智能制造过程数据的故障预测方法,其特在于,所述深度故障预测神经网络包括:输入层、特征映射层、卷积复合层和池化层;所述输入层用于对输入的数据进行归一化处理;所述特征映射层用于将数据特征映射到特征空间中;所述卷积复合层用于对相邻的两个时间戳的数据的特征进行复合并激活;所述池化层用于对复合后的特征进行压缩。5.根据权利要求1所述的基于智能制造过程数据的故障预测方法,其特征在于,所述
S105具体包括:S1051:令所述温度特征的权重为α,所述耗电特征的权重为β,所述产能特征的权重为γ,温度特征的特征值为x1,耗电特征的特征值为x2,产能特征的特征值为x3,则故障预警值y为:
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式1;S1052:在所述故障预警值大于预设值的情况下,判定所述制造设备存在故障;S1053:在所述故障预警值小于或者等于所述预设值的情况下,判定所述制造设备正常。...
【专利技术属性】
技术研发人员:张文斌,许敬宇,张景辉,张璟博,
申请(专利权)人:深圳英博达智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。