基于卷积神经网络的设备故障诊断报告生成方法与系统技术方案

本发明专利技术公开了一种基于卷积神经网络的设备故障诊断报告生成方法与系统，解决如何自适应的对不同设备生成专一性故障诊断报告的技术问题。将历史诊断报告进行数字化，并存储为结构化数据，采用结构化数据构建训练样本对卷积神经网络进行训练，使其具备故障识别能力；为各种工业设备建立相应的故障诊断报告模板；根据设备型号配置相应的数据接口，从而通过适配的数据接口输入待诊断工业设备的故障特征与设备相关信息，通过卷积神经网络进行故障类型的识别；根据设备型号调取相应的故障诊断报告模板，将故障类型识别结果、设备相关信息与设备型号渲染至故障诊断报告模板中，从而生成设备故障诊断报告。系统包括数据库、数据化模块与卷积神经网络等。块与卷积神经网络等。块与卷积神经网络等。

【技术实现步骤摘要】
基于卷积神经网络的设备故障诊断报告生成方法与系统


[0001]本专利技术涉及工业设备故障诊断报告生成领域。

技术介绍

[0002]随着科技发展，人工智能、机器学习等技术运用越来越广泛，信号处理、信息传感和测试计算技术的高速进步使得自动进行设备故障诊断成为了可能。工业设备逐渐趋向复杂，设备运行过程中由机械故障而引发的事故，可能对人身安全和公司财产造成难以弥补的损失。目前在设备故障诊断方面，需要专业技术人员，且主要由设备生产厂家的技术人员进行。设备厂家设立技术壁垒，非厂家技术人员掌握多个厂家的设备诊断方法非常困难或无法实现。导致设备在诊断、维修方面依赖性大，可能因为设备发生故障后无法及时诊断维修而导致其他方面的损失。
[0003]目前现有技术中，对工业设备故障诊断报告生成的方法不具有专一性，只能满足通用功能的需求，多以纸质方式存在或无格式的数字化存储，保管、查阅极其不方便，不利于统计分析；后期利用价值低。目前信息化系统在设备故障诊断方面及报告生成方面应用少。

技术实现思路

[0004]针对上述技术的不足，本专利技术提供了一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的设备故障诊断报告生成方法，其特征在于，包括以下步骤：S1000：获取各种工业设备的各种形式的历史诊断报告，将所述历史诊断报告进行数字化，并存储为结构化数据，所述结构化数据是指故障特征、故障类型与设备相关信息相互关联；S1001：采用所述结构化数据构建训练样本的输入向量与输出向量：故障特征与设备相关信息组合成输入向量，以故障类型作为参考输出向量；通过所述训练样本训练卷积神经网络，使得训练完成后的卷积神经网络能够通过故障特征与设备相关信息识别故障类型；S1002：为各种工业设备建立相应的故障诊断报告模板；S1003：根据设备型号配置相应的数据接口，从而通过适配的数据接口输入待诊断工业设备的故障特征与设备相关信息到所述训练完成后的卷积神经网络中；S1004：通过所述卷积神经网络进行故障类型的识别；S1003：根据设备型号调取相应的故障诊断报告模板，将故障类型识别结果、设备相关信息与设备型号渲染至故障诊断报告模板中，从而生成设备故障诊断报告。2.根据权利要求1所述的基于卷积神经网络的设备故障诊断报告生成方法，其特征在于，设备相关信息包括设备种类、设备编号、生产厂家与使用经历。3.根据权利要求1所述的基于卷积神经网络的设备故障诊断报告生成方法，其特征在于，步骤S1000中以发生状态、影响程度、发生原因、危险性或发展规律作为故障类型的分类依据。4.根据权利要求1所述的基于卷积神经网络的设备故障诊断报告生成方法，其特征在于，在步骤S1001中对卷积神经网络进行迭代训练，每次迭代训练后对卷积神经网络进行验证，若输出向量不符合参考输出向量，则增加卷积层或调整神经网络层函数；若输出向量符合参考输出向量，则停止训练。5.一种设备故障诊断报告生成系统，其特征在于，包括数据库、数据化模块、卷积神经网络、参数配置模...

【专利技术属性】
技术研发人员：巩书凯，卢仁谦，田军民，钟铃运，
申请(专利权)人：重庆忽米网络科技有限公司，
类型：发明
国别省市：