设备的故障预测方法及装置、电子设备、存储介质制造方法及图纸

本申请提供一种设备的故障预测方法及装置、电子设备、计算机可读存储介质，方法包括：获取设备运行时的目标图像信号；通过以设备正常状态的自然图像信号训练的生成式对抗网络，计算所述目标图像信号的第一特征向量和第二特征向量；计算所述第一特征向量和第二特征向量之间的特征距离；判断所述特征距离是否大于预设阈值，若是，输出预警信息。本申请提供的实施例，避免了因异常状态的自然图像信号的不足而出现过拟合，也避免在多种故障模式并存时带来的机理建模难题。

【技术实现步骤摘要】
设备的故障预测方法及装置、电子设备、存储介质
本申请涉及机械设备故障预测
，特别涉及一种设备的故障预测方法及装置、电子设备、计算机可读存储介质。
技术介绍
预测性维护是通过分析故障发生前机械设备的运行状态数据，预测机械设备发生故障的可能性。在相关方案中，主要是针对机械设备的运行状态数据进行机理建模，分析不同故障模式对应的故障特征，从而依据以故障模式为故障特征的标签，对有监督学习的机器学习模型进行训练，通过机器学习模型计算采集到的运行状态数据，从而实现故障预测。然而，大型机组的故障模式多种多样，故障特征并不单一，基于机理建模的方式很难处理多种故障模式并存的故障预测问题。并且，机械设备的正常运行状态的数据远多于存在故障特征的数据，基于有监督学习的方式很容易造成过拟合，导致预测能力低下。
技术实现思路
本申请实施例的目的在于提供一种设备的故障预测方法及装置、电子设备、计算机可读存储介质，用以解决多故障模式并存的情况下的故障预测问题，并可避免过拟合。一方面，本申请提供了一种设备的故障预测方法，包括：获取本文档来自技高网...

【技术保护点】
1.一种设备的故障预测方法，其特征在于，包括：/n获取设备运行时的目标图像信号；/n通过以设备正常状态的自然图像信号训练的生成式对抗网络，计算所述目标图像信号的第一特征向量和第二特征向量；/n计算所述第一特征向量和所述第二特征向量之间的特征距离；/n判断所述特征距离是否大于预设阈值，若是，输出预警信息。/n

【技术特征摘要】
1.一种设备的故障预测方法，其特征在于，包括：
获取设备运行时的目标图像信号；
通过以设备正常状态的自然图像信号训练的生成式对抗网络，计算所述目标图像信号的第一特征向量和第二特征向量；
计算所述第一特征向量和所述第二特征向量之间的特征距离；
判断所述特征距离是否大于预设阈值，若是，输出预警信息。


2.根据权利要求1所述的方法，其特征在于，所述设备包括旋转机组，所述生成式对抗网络通过如下方式训练得到：
采集旋转机组的转子径向的电涡流信号；
基于采集到的所述电涡流信号生成指定尺寸的数据矩阵；
对所述数据矩阵进行归一化处理，得到所述自然图像信号；
通过所述自然图像信号训练所述生成式对抗网络，得到已训练的所述生成式对抗网络。


3.根据权利要求2所述的方法，其特征在于，所述生成式对抗网络包括生成器、判决器和尾部编码器；
所述通过所述自然图像信号训练所述生成式对抗网络，得到已训练的所述生成式对抗网络，包括：
通过所述生成器计算所述自然图像信号对应的伪造图像信号；
通过所述自然图像信号和所述自然图像信号对应的伪造图像信号训练所述判决器；
通过所述自然图像信号训练与所述判决器连接的所述生成器和所述尾部编码器。


4.根据权利要求1所述的方法，其特征在于，所述设备包括旋转机组；所述获取设备运行时的目标图像信号，包括：
采集旋转机组的转子径向的电涡流信号；
基于采集到的所述电涡流信号生成指定尺寸的数据矩阵；
对所述数据矩阵进行归一化处理，得到所述目标图像信号。


5.根据权利要求2或4所述的方法，其特征在于，所述电涡流信号包括x向振动信号和y向振动信号；
所述采集旋转机...

【专利技术属性】
技术研发人员：张发恩，马凡贺，
申请(专利权)人：创新奇智重庆科技有限公司，
类型：发明
国别省市：重庆;50