一种电机异常检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种电机异常检测方法、装置、电子设备及存储介质，用于改善难以识别电机的局部异常的问题。该方法包括：获取待检测电机的状态时序数据，并将状态时序数据转换为待检测目标状态和上下文序列；使用神经网络模型中的编码器将上下文序列进行编码，获得编码后的一维向量；使用神经网络模型中的解码器将编码后的一维向量进行解码，获得均值向量和协方差矩阵；使用神经网络模型中的概率层根据均值向量和协方差矩阵建立多维高斯概率分布；根据多维高斯概率分布和待检测目标状态确定待检测电机是否处于异常状态。电机是否处于异常状态。电机是否处于异常状态。

【技术实现步骤摘要】
一种电机异常检测方法、装置、电子设备及存储介质


[0001]本申请涉及机器学习的
，具体而言，涉及一种电机异常检测方法、装置、电子设备及存储介质。

技术介绍

[0002]电机(英文：Electric machinery，俗称“马达”)是指依据电磁感应定律实现电能转换或传递的一种电磁装置；电机是产品生产线的心脏，电机的状态将对产线的正常运转产生决定性的影响。
[0003]目前针对电机进行异常检测的方法通常是，使用异常检测算法对电机的当前状态数据进行识别，此处的状态数据包括但不限于：电机温度、电机震动、链条震动和三相电流等等，此处的单点数据是指实时采集电机的当前时刻状态数据；上述的异常检测算法可以包括：最近邻方法、局部离群因子(Local Outlier Factor，LOF)算法、主成分分析(Principal Component Analysis，PCA)算法或者孤立森林(Isolation Forest)算法等等。
[0004]在具体的实践过程中发现，使用目前的异常检测算法主要用于识别电机的全局异常，而难以识别电机的局部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机异常检测方法，其特征在于，包括：获取待检测电机的状态时序数据，并将所述状态时序数据转换为待检测目标状态和上下文序列；使用神经网络模型中的编码器将所述上下文序列进行编码，获得编码后的一维向量；使用所述神经网络模型中的解码器将所述编码后的一维向量进行解码，获得均值向量和协方差矩阵；使用所述神经网络模型中的概率层根据所述均值向量和所述协方差矩阵建立多维高斯概率分布；根据所述多维高斯概率分布和所述待检测目标状态确定所述待检测电机是否处于异常状态。2.根据权利要求1所述的方法，其特征在于，所述获取待检测电机的状态时序数据，包括：获取所述待检测电机的状态数据流；对所述状态数据流进行特征提取；对提取的特征数据进行缓存处理，获得所述状态时序数据。3.根据权利要求1所述的方法，其特征在于，所述状态时序数据包括：目标变量序列和协变量序列；所述将所述状态时序数据转换为待检测目标状态和上下文序列，包括：将所述目标变量序列分割为所述待检测目标状态和历史目标状态序列；根据所述历史目标状态序列和所述协变量序列生成所述上下文序列。4.根据权利要求1所述的方法，其特征在于，所述编码器是一维卷积神经网络或者长短期记忆网络；所述使用神经网络模型中的编码器将所述上下文序列进行编码，包括：使用所述一维卷积神经网络或者所述长短期记忆网络将所述上下文序列进行编码。5.根据权利要求1所述的方法，其特征在于，所述解码器包括：第一全连接神经网络和第二全连接神经网络；所述使用所述神经网络模型中的解码器将所述编码后的一维向量进行解码，获得均值向量和协方差矩阵，包括：使用所述第一全连接神经网络对所述编码后的一维向量进行解码，获得所述均值向量；使用所述第二全连接神经网络对所述...

【专利技术属性】
技术研发人员：张发恩，周昌盛，
申请(专利权)人：创新奇智广州科技有限公司，
类型：发明
国别省市：