故障检测方法、装置、检测设备、旋挖机及存储介质制造方法及图纸

本申请提供一种故障检测方法、装置、检测设备、旋挖机及存储介质。该故障检测方法中，根据该传感器的历史检测数据，预测未来预设时段内各传感器所采集数据的可能情况。通过训练好的第一神经网络模型对各传感器的预测数据进行处理，以确定该目标设备将要发生的故障类型。

【技术实现步骤摘要】
故障检测方法、装置、检测设备、旋挖机及存储介质
本申请涉及数据处理领域，具体而言，涉及一种故障检测方法、装置、检测设备、旋挖机及存储介质。
技术介绍
随着设备使用寿命的增加，设备难免会出现或多或少的故障问题。目前在设备发生故障时，往往需要专业的检修人员经人工检查后，才能确定具体的故障类型。然而检测结果的准确度以及检修的效率，严重依赖于检修人员的个人经验。并且，目前并不能对设备将要发生的故障的进行预测，使得用户难以提前进行应对。
技术实现思路
为了克服现有技术中的至少一个不足，本申请实施例的目的之一在于提供一种故障检测方法，应用于检测设备，该检测设备通过预设数量的传感器监测目标设备的工作状态，所述检测设备配置有第一神经网络模型，所述方法包括：获取所述传感器的预测数据，其中，针对各所述传感器，该传感器的预测数据预测自该传感器的历史检测数据；通过所述第一神经网络模型处理所述预测数据，获得处理结果；根据所述处理结果预测该目标设备将要发生的故障类型。可选地，所述检测设备为各所述传感器还配置有训练好的第二神经网络模型，所述获取所述传感器的预测数据的步骤，包括：针对各所述传感器，获取该传感器的历史检测数据；通过与该传感器对应的第二神经网络模型处理所述历史检测数据，获得该传感器的预测数据。可选地，所述方法还包括：获取各所述传感器在所述目标设备发生故障时的实测数据；通过所述第一神经网络模型处理所述实测数据，确定该故障的故障类型。可选地，所述方法还包括：根据该目标设备将要发生的故障类型，确定与所述将要发生的故障类型相关的控制参数；调整所述控制参数，推迟故障将要发生的时间。可选地，所述方法还包括：将所述将要发生的故障类型以及故障将要发生的时间提供给用户。本申请实施例的目的之二在于提供一种故障检测装置，应用于检测设备，该检测设备通过预设数量的传感器监测目标设备的工作状态，所述检测设备配置有第一神经网络模型，所述故障检测装置包括：数据获取模块，用于获取所述传感器的预测数据，其中，针对各所述传感器，该传感器的预测数据预测自该传感器的历史检测数据；数据处理模块，用于通过所述第一神经网络模型处理所述预测数据，获得处理结果；故障检测模块，用于根据所述处理结果预测该目标设备将要发生的故障类型。可选地，所述检测设备为各所述传感器还配置有训练好的第二神经网络模型，所述数据获取模块获取所述预测数据的方式包括：针对各所述传感器，获取该传感器的历史检测数据；通过与该传感器对应的第二神经网络模型处理所述历史检测数据，获得该传感器的预测数据。本申请实施例的目的之三在于提供一种检测设备，所述检测设备包括处理器以及存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时，实现所述的故障检测方法。本申请实施例的目的之四在于提供一种旋挖机，包括所述的检测设备。本申请实施例的目的之五在于提供一种存储介质，所述存储介质存储有能够处理器执行的计算机程序，所述计算机程序被所述处理器执行时，实现所述的故障检测方法。相对于现有技术而言，本申请具有以下有益效果：综上所述，本申请实施例提供的故障检测方法、装置、检测设备、旋挖机及存储介质。根据该传感器的历史检测数据，预测未来预设时段内各传感器所采集数据的可能情况。通过训练好的第一神经网络模型对各传感器的预测数据进行处理，以确定该目标设备将要发生的故障类型。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的检测设备的硬件结构图；图2为本申请实施例提供的故障检测方法的步骤流程图；图3为本申请实施例提供的预测数据获取方式示意图；图4为本申请实施例提供的故障检测装置结构示意图。图标：100-检测设备；110-故障检测装置；120-存储器；140-通信单元；130-处理器；1101-数据获取模块；1102-数据处理模块；1103-故障检测模块。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。如
技术介绍
所描述的，随着设备使用寿命的增加，设备难免会出现或多或少的故障问题。目前在设备发生故障时，往往需要专业的检修人员经人工检查后，才能确定具体的故障类型。然而检测结果的准确度以及检修的效率，严重依赖于检修人员的个人经验。并且，目前并不能对设备将要发生的故障的进行预测，使得用户难以提前进行应对。鉴于此，本申请实施例提供一种故障检测方法，应用于检测设备，该检测设备通过预设数量的传感器检测目标设备的工作状态。其中，针对不同的目标设备，各传感器的数量以及种类可以根据实际需要进行适应性调整。该检测设备可以是但不限于，服务器、移动终端、个人电脑(personalcomputer，PC)等。请参照图1，图1是本申请实施例提供该检测设备100的硬件结构图。该检测设备100包括故障检测装置110、存储器120、处理器130、通信单元140。所述存储器120、处理器130以及通信单元140各元件相互之间直接或间接地通信连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述故障检测装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述检测设备100中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块，例如所述故障检测装置110所包括的软件功能模块及计算机程序等。其中，所述存储器120可以是，但不限于，随机存取存储器(RandomAccessMemory，RAM)，只读存储器(ReadOnlyMemory，ROM)，可编程只读存储器(Progr本文档来自技高网...

【技术保护点】
1.一种故障检测方法，其特征在于，应用于检测设备，该检测设备通过预设数量的传感器监测目标设备的工作状态，所述检测设备配置有第一神经网络模型，所述方法包括：/n获取所述传感器的预测数据，其中，针对各所述传感器，该传感器的预测数据预测自该传感器的历史检测数据；/n通过所述第一神经网络模型处理所述预测数据，获得处理结果；/n根据所述处理结果预测该目标设备将要发生的故障类型。/n

【技术特征摘要】
1.一种故障检测方法，其特征在于，应用于检测设备，该检测设备通过预设数量的传感器监测目标设备的工作状态，所述检测设备配置有第一神经网络模型，所述方法包括：
获取所述传感器的预测数据，其中，针对各所述传感器，该传感器的预测数据预测自该传感器的历史检测数据；
通过所述第一神经网络模型处理所述预测数据，获得处理结果；
根据所述处理结果预测该目标设备将要发生的故障类型。


2.根据权利要求1所述的故障检测方法，其特征在于，所述检测设备为各所述传感器还配置有训练好的第二神经网络模型，所述获取所述传感器的预测数据的步骤，包括：
针对各所述传感器，获取该传感器的历史检测数据；
通过与该传感器对应的第二神经网络模型处理所述历史检测数据，获得该传感器的预测数据。


3.根据权利要求1所述的故障检测方法，其特征在于，所述方法还包括：
获取各所述传感器在所述目标设备发生故障时的实测数据；
通过所述第一神经网络模型处理所述实测数据，确定该故障的故障类型。


4.根据权利要求1所述的故障检测方法，其特征在于，所述方法还包括：
根据该目标设备将要发生的故障类型，确定与所述将要发生的故障类型相关的控制参数；
调整所述控制参数，推迟故障将要发生的时间。


5.根据权利要求1所述的故障检测方法，其特征在于，所述方法还包括：
将所述将要发生的故障类型以及故障将要发生的时间提...

【专利技术属性】
技术研发人员：田春雨，刘振岳，
申请(专利权)人：北京三一智造科技有限公司，
类型：发明
国别省市：北京;11