一种基于机器学习的设备巡检方法技术

本发明专利技术属于工业领域，具体公开了一种基于机器学习的设备巡检方法和巡检装置，包括获取目标设备的运行参数，对所述目标设备数据库中的数据进行审查和校验，根据所述目标设备数据库建立设备运行模式库，获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常，通过采集设备不同状态下相互关联的大量数据，建立设备不同运行状态下的运行模式库，通过对目标设备当前的运行状态下的运行模式和设备运行模式库中的运行模式的比较，判断设备的运行状态，可准确科学的判断设备的运行状态，提高设备巡检维护的可靠性和准确性。

【技术实现步骤摘要】
一种基于机器学习的设备巡检方法
本专利技术属于列车检修领域，具体涉及一种基于机器学习的设备巡检方法。
技术介绍
铁路列车的检修是列车运营维护工作中最重要的一环，在铁路列车的检修和维护过程中，一般情况下将列车组悬空，由工作人员进入到列车组的底部，从列车的一端开始，详细检查列车组的各个组成部分。列车车底结构复杂、零部件繁多，使得检修维护环境异常复杂。而且列车结构复杂、造价昂贵，列车运行中表征每个零部件状态的参数复杂多元，简单的人工检修无法详细的判断列车每个零部件的状态。而对于高速运行的列车组，一个零部件的故障便可导致重大安全事故，造成重大的损失。人工巡检维护由于工作人员的能力问题，很难根据表征设备运行状态的大量、不同，并相互关联的数据做出准确可靠的判断。现有的基于数据采集的设备监控不能对部件的状态做有效的分析判断，检修维护关键智能依靠人工经验完成。
技术实现思路
本公开提供一种基于机器学习的设备巡检方法，可对设备的运行状态做准确科学的判断。为实现上述目的，本公开提供一种基于机器学习的设备巡检方法，所述方法包括：获取目标设备不同运行状态下的运行参数，并把所述运行参数存储在目标设备数据库中；对所述目标设备数据库中的数据进行审查和校验，检查数据的一致性，删除无效数据和重复数据，根据所述目标设备的类型定义不同的数据类型；根据所述目标设备数据库建立设备运行模式库；获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常。可选的，所述根据所述目标设备数据库建立设备运行模式库，包括：从所述目标设备数据库中提取特征向量，并对所述特征向量进行分类，建立特征向量数据库；根据所述目标设备的类型，设定识别阈值，并使用已确定的特征向量数据作为训练数据，利用朴素贝叶斯分类器将所述目标设备的运行状态分为正常状态和非正常状态。可选的，所述获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常，包括：从所述目标设备当前的运行状态中提取目标设备当前的运行参数；根据所述目标设备当前的运行参数确定所述目标设备当前的运行模式。本公开的第二方面提供一种基于机器学习的设备巡检装置，所述装置包括：运行参数获取模块，用于获取目标设备不同运行状态下的运行参数，并把所述参数存储在目标设备数据库中；数据处理模块，用于对所述目标设备数据库中的数据进行审查和校验，检查数据的一致性，删除无效数据和重复数据，根据所述目标设备的类型定义不同的数据类型；模式库建立模块，用于根据所述目标设备数据库建立设备运行模式库；运行状态获取模块，用于获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常。可选的，所述模式库建立模块，包括：特征向量数据库建立子模块，用于从所述目标设备数据库中提取特征向量，并对所述特征向量进行分类，建立特征向量数据库；状态分类子模块，用于根据所述目标设备的类型，设定识别阈值，并使用已确定的特征向量数据作为训练数据，利用朴素贝叶斯分类器将所述目标设备的运行状态分为正常状态和非正常状态。可选的，所述运行状态获取模块，包括：运行参数获取子模块，用于从所述目标设备当前的运行状态中提取目标设备当前的运行参数；运行模式确定子模块，用于根据所述目标设备当前的运行参数确定所述目标设备的运行模式。与现有技术相比，本公开提供的技术方案可实现如下技术效果：通过获取目标设备不同运行状态下的运行参数，并把所述参数存储在目标设备数据库中，对所述目标设备数据库中的数据进行审查和校验，检查数据的一致性，删除无效数据和重复数据，根据所述目标设备的类型定义不同的数据类型，根据所述目标设备数据库建立设备运行模式库，获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常。通过采集设备不同状态下相互关联的大量数据，建立设备不同运行状态下的运行模式库，通过对目标设备当前的运行状态下的运行模式和设备运行模式库中的运行模式的比较，判断设备的运行状态，可准确科学的判断设备的运行状态，提高设备巡检维护的可靠性和准确性。【附图说明】图1是根据本公开一示例性实施例公开的一种基于机器学习的设备巡检方法的流程图；图2根据图1所示实施例公开的一种基于机器学习的设备巡检方法流程图；图3根据图1所示实施例公开的一种基于机器学习的设备巡检方法流程图；图4是根据本公开另一示例性实施例公开的一种基于机器学习的设备巡检装置的框图；图5时根据图4所示实施例公开的一种基于机器学习的设备巡检装置中模式库建立模块403的框图；图6是根据图4所示实施例公开的一种基于机器学习的设备巡检装置中运行状态获取模块404的框图。【具体实施方式】下面将结合附图对本专利技术的技术方案进行清楚完整的描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域的普通技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本专利技术的保护范围。图1是根据本公开一示例性实施例示出的一种基于机器学习的设备巡检方法流程图，参见图1，该设备巡检方法包括以下步骤：步骤101，获取目标设备不同运行状态下的运行参数，并把该运行参数存储在目标设备数据库中。示例的，该目标设备可以为列车检修中处于调试状态的某个高温、高压设备或者高速转动设备，或者是列车高速运行过后的某个关键部件。数据库可以是建立在网络端的服务器，该服务器可配置一定容量的存储器。针对不同的目标设备，通过不同的方式获取目标设备的运行参数。例如调试中的高温、高压设备，可通过温度传感器和压力传感器采集温度和压力，转动设备通过测速仪、视频采集终端采集设备的速度和运行图像。静止的某个零部件可以采用二维或三维图像采集装置，采集目标设备的图像信息，并从图像信息中提取目标设备的运行参数。运行参数可通过服务器中建立的数据库，如SQL数据库等将数据对应的存储。步骤102，对该目标设备数据库中的数据进行审查和校验，检查数据的一致性，删除无效数据和重复数据，根据该目标设备的类型定义不同的数据类型。示例地，在对目标设备的运行参数的存储和处理中，根据目标设备的类型定义不同的数据类型，例如针对高温、高压设备，定义设备运行中针对温度和压力的数字数据，转动设备科定义设备的转速以及不同转速下的设备状态。对于零部件类的图像类数据，定义不同的三维图像数据和二维图像数据。对获取的目标设备的数据进行审查和校验，删除无效数据和重复数据，并从数据中获取数据的一致性特点。步骤103，根据该目标设备数据库建立设备运行模式库。示例地，通过对目标设备数据的处理，从大量的数据中提取一致性数据，通过数据建立设备的运行模式库。例如高温、高压设备的运行中，在不同的运行状态下，温度和压力在不同的数值范围内，通过对不同温度和压力数值的分析，建立设备的运行模式库。如低于正常运行温度和压力的低压运行模式、正常运行模式和高于正常运行温度和压力的高压运行模式。步骤104，获取该目标设备当前的运行状态，根据设备运行模式库判断目标设备运行是否正常。示例地，通过采集装置采集目标设备当前的运行状态，例如通过传感器采集设备调试中的温度和压力信息，通过目标设备当前的运行参数判断目标设备当前的运行模式，并比对设备运行模式库的运行模式，判断设备运行是否正常。在本文档来自技高网...

【技术保护点】
1.一种基于机器学习的设备巡检方法，其特征在于，所述方法包括：获取目标设备不同运行状态下的运行参数，并把所述运行参数存储在目标设备数据库中；对所述目标设备数据库中的数据进行审查和校验，检查数据的一致性，删除无效数据和重复数据，根据所述目标设备的类型定义不同的数据类型；根据所述目标设备数据库建立设备运行模式库；获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常。

【技术特征摘要】
1.一种基于机器学习的设备巡检方法，其特征在于，所述方法包括：获取目标设备不同运行状态下的运行参数，并把所述运行参数存储在目标设备数据库中；对所述目标设备数据库中的数据进行审查和校验，检查数据的一致性，删除无效数据和重复数据，根据所述目标设备的类型定义不同的数据类型；根据所述目标设备数据库建立设备运行模式库；获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常。2.如权利要求1所述的方法，其特征在于：所述根据所述目标设备数据库建立设备运行模式库，包括：从所述目标设备数据库中提取特征向量，并对所述特征向量进行分类，建立特征向量数据库；根据所述目标设备的类型，设定识别阈值，并使用已确定的特征向量数据作为训练数据，利用朴素贝叶斯分类器将所述目标设备的运行状态分为正常状态和非正常状态。3.如权利要求1所述的方法，其特征在于，所述获取所述目标设备当前的运行状态，根据所述设备运行模式库判断目标设备运行是否正常，包括：从所述目标设备当前的运行状态中提取目标设备当前的运行参数；根据所述目标设备当前的运行参数确定所述目标设备当前的运行模式。4.一种基于机器学习的设备巡检装置，其特征在于，...

【专利技术属性】
技术研发人员：霍炜，谭红林，冉虹霞，王宇，
申请(专利权)人：西安银石科技发展有限责任公司，
类型：发明
国别省市：陕西,61