基于神经网络模型的设备故障预测方法、装置及设备制造方法及图纸

本申请提供一种基于神经网络模型的设备故障预测方法、装置及设备，涉及机械设备技术领域。该方法通过获取待检测设备的工作参数，将工作参数输入预设神经网络模型，获取待检测设备的故障信息，而由于该预设神经网络模型是根据多个包含工作参数的训练样本训练得到的，因此，基于训练出来的预设神经网络模型获取待检测设备的故障信息，可以有效提高预测待检测设备的故障信息的准确度。

Method, device and equipment of equipment fault prediction based on neural network model

【技术实现步骤摘要】
基于神经网络模型的设备故障预测方法、装置及设备
本申请涉及机械设备
，特别涉及一种基于神经网络模型的设备故障预测方法、装置及设备。
技术介绍
随着现代科学技术的突飞猛进，机械设备在现代企业中的作用和影响越来越大，生产的主体也逐渐由人力向设备级转移。所以，要保证各种设备的正常运行，需要对设备的状态作出评估，对其中隐含的故障进行及早地预测和有效诊断。现有的机械设备的故障诊断方法主要基于专家系统、模糊理论、故障树等诊断技术来进行设备的故障诊断。但现有的方法，在进行设备的故障预测时，预测的准确性较低。
技术实现思路
本申请的目的在于，针对上述现有技术中的不足，提供一种基于神经网络模型的设备故障预测方法、装置及设备，可以解决现有技术中在进行设备的故障预测时，预测的准确性较低的技术问题。为实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种基于神经网络模型的设备故障预测方法，包括：获取待检测设备的工作参数；将工作参数输入预设神经网络模型，获取待检测设备的故障信息，故障信息包本文档来自技高网...

【技术保护点】
1.一种基于神经网络模型的设备故障预测方法，其特征在于，包括：/n获取待检测设备的工作参数；/n将所述工作参数输入预设神经网络模型，获取所述待检测设备的故障信息，所述故障信息包括设备故障类型以及故障参数，所述预设神经网络模型根据多个包含工作参数的训练样本训练得到。/n

【技术特征摘要】
1.一种基于神经网络模型的设备故障预测方法，其特征在于，包括：
获取待检测设备的工作参数；
将所述工作参数输入预设神经网络模型，获取所述待检测设备的故障信息，所述故障信息包括设备故障类型以及故障参数，所述预设神经网络模型根据多个包含工作参数的训练样本训练得到。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取训练样本集，所述训练样本集包括：多个包含工作参数的训练样本，每个训练样本包括已标注的样本故障信息，所述样本故障信息包括预设经验值下的设备故障类型以及故障参数；
根据所述训练样本集，训练获取所述预设神经网络模型。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述训练样本集，训练生成预设贝叶斯网络模型。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述待检测设备在实际工况下的故障信息；
根据所述实际工况下的故障信息、所述预设贝叶斯网络模型，对所述训练样本集中各训练样本所标注的样本故障信息进行更新，获取更新后的训练样本集；
根据所述更新后的训练样本集，更新训练所述预设神经网络模型。


5.根据权利要求2所述的方法，其特征在于，所述工作参数包括下述一种或多种的组合：振动信号、噪声信号、温度信号；
所述获取训练样本集，包括：
获取初始训练样本集；
采用预设特征工程方法对所述初始训练样本集进行处...

【专利技术属性】
技术研发人员：程鲲鹏，吉承成，刘新辉，戴林，
申请(专利权)人：江苏远望仪器集团有限公司，
类型：发明
国别省市：江苏;32