检测方法、装置、存储介质及处理器制造方法及图纸

本发明专利技术公开了一种检测方法、装置、存储介质及处理器。其中，该方法包括：获取第一检测模型，其中，第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的；将第一检测模型中的模型参数迁移至预先配置的用于对待检测制冷机组进行检测的预设检测模型中，得到初始检测模型；基于待检测制冷机组的样本数据对初始检测模型的模型参数进行调整，得到第二检测模型，其中，样本数据为待检测制冷机组的特征参数和各特征参数所对应的故障类型；基于第二检测模型对待检测制冷机组的特征参数进行检测。本发明专利技术解决了由于现有技术无法使用小样本训练检测模型，造成的检测效率差的技术问题。

【技术实现步骤摘要】
检测方法、装置、存储介质及处理器
本专利技术涉及检测领域，具体而言，涉及一种检测方法、装置、存储介质及处理器。
技术介绍
随着科学技术的发展，如何降低设备的维护维修成本成为非常关键的问题。设备故障会导致能源超额使用、碳排放量增加、生产和工作环境的失控、用户投诉、运维成本的上升，因此故障异常检测对实现智能化管理至关重要。在现有故障检测方法，存在有效数据量缺少、模型训练代价高等问题，导致设备故障检测准确度低，花费高等问题。关于故障检测问题为提升故障检测模型的性能，许多专家学者尝试了多种方法。主要将故障检测方法大致分为三类：基于模型的、基于知识的和基于数据驱动的。基于模型的故障检测方法利用系统内部的深层信息反映物理系统故障的本质特征，诸如利用非线性状态估计方法，建立变桨控制系统模型，通过观测向量与正常变桨模型的偏差实现对变浆系统的故障识别。基于知识的故障检测方法包括模糊故障诊断、专家系统等，指信息被收集后，运用各种专家知识进行推理的一种方法。例如，首先根据知识向量机来确定模型，然后根据模型进行了知识推理和信息融合混合推理的故障识别模式。基于数据驱动的故障检测方法是利用设备已有的运行数据信息，通过数据挖掘、数学统计分析等技术实现数据特征属性与对应状态之间的映射关系，从而达到故障检测的目的。例如，利用最小二乘支持向量机对调节阀进行了故障检测和分类，首先对实验数据进行了清洗，然后利用LS-SVM多分类器对调节阀样本进行了分类实验，取得了比较好的实验结果。但是，上述已有的故障检测技术存在泛化能力弱，数据要求高等问题：例如基于数据驱动的故障检测方法虽然准确度较高、训练时间较短，但是该模型难以移植、对于小样本数据情况模型难以训练。因此，本专利技术提出了一种基于迁移学习解决多元时间序列数据的小样本问题的设备故障检测方法。该方法能很好的利用现有的数据，将已有的经验结果迁移入目标源模型中，可以很好的解决目标源小样本问题。从而使得目标源模型准确度更高、训练时间更短。针对上述由于现有技术无法使用小样本训练检测模型，而造成检测效率差的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种检测方法、装置、存储介质及处理器，以至少解决由于现有技术无法使用小样本训练检测模型，造成的检测效率差的技术问题。根据本专利技术实施例的一个方面，提供了一种检测方法，包括：获取第一检测模型，所述第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的，所述多组数据中的每组包括：预设制冷机组的特征参数，和特征参数所对应的故障类型；将所述第一检测模型中的模型参数迁移至预先配置的用于对所述待检测制冷机组进行检测的预设检测模型中，得到初始检测模型；基于所述待检测制冷机组的样本数据对所述初始检测模型的模型参数进行调整，得到第二检测模型，其中，所述样本数据为所述待检测制冷机组的特征参数和各特征参数所对应的故障类型；基于所述第二检测模型对所述待检测制冷机组的特征参数进行检测，得到所述待检测制冷机组的检测结果。可选地，获取第一检测模型包括：获取模板制冷机组的检测数据和所述待检测制冷机组的检测数据，其中，所述模板制冷机组为数据库中预先存储的具有检测模型的制冷机组；基于所述模板制冷机组的检测数据和所述待检测制冷机组的检测数据，确定所述模板制冷机组和所述待检测制冷机组的关联度；在所述关联度符合预定条件的情况下，确定所述模板制冷机组为所述预设制冷机组，确定所述模板制冷机组的检测模型为所述第一检测模型。可选地，所述方法还包括：在确定所述待检测制冷机组的第二检测模型后，将所述待检测制冷机组的检测数据，和所述第二检测模型存入所述数据库。可选地，获取第一检测模型包括：获取所述预设制冷机组的特征参数，和各个所述特征参数对应的故障类型；将所述特征参数和各所述特征参数对应的故障类型输入预设模板模型，训练得到所述第一检测模型。可选地，获取所述预设制冷机组的特征参数包括：获取所述预设制冷机组的检测数据，其中，所述预设制冷机组的检测数据为多元时间序列数据；对所述多元时间序列数据进行降维处理，得到所述预设制冷机组的特征参数。可选地，所述预设模板模型包括：多个模型单元；将所述特征参数和各所述特征参数对应的故障类型输入预设模板模型，训练得到所述第一检测模型包括：将所述预设制冷机组的特征参数划分为的多个数据集；确定各个数据集对应的模型单元；将各个数据集中的特征参数输入至与所述各个数据集对应的模型单元，训练所述第一检测模型。根据本专利技术实施例的另一方面，还提供了一种检测装置，包括：获取单元，用于获取第一检测模型，其中，所述第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的，所述多组数据中的每组包括：预设制冷机组的特征参数，和特征参数所对应的故障类型；迁移单元，用于将所述第一检测模型中的模型参数迁移至预先配置的用于对所述待检测制冷机组进行检测的预设检测模型中，得到初始检测模型；调整单元，用于基于所述待检测制冷机组的样本数据对所述初始检测模型的模型参数进行调整，得到第二检测模型，其中，所述样本数据为所述待检测制冷机组的特征参数和各参数所对应的故障类型；检测单元，用于基于所述第二检测模型对所述待检测制冷机组的特征参数进行检测，得到所述待检测制冷机组的检测结果。可选地，所述获取单元包括：获取模块，用于获取模板制冷机组的检测数据和所述待检测制冷机组的检测数据，其中，所述模板制冷机组为数据库中预先存储的具有检测模型的制冷机组；第一确定模块，用于基于所述模板制冷机组的检测数据和所述待检测制冷机组的检测数据，确定所述模板制冷机组和所述待检测制冷机组的关联度；第二确定模块，用于在所述关联度符合预定条件的情况下，确定所述模板制冷机组为所述预设制冷机组，确定所述模板制冷机组的检测模型为所述第一检测模型。根据本专利技术实施例的又一方面，还提供了一种计算机可读存储介质或非易失性存储介质，所述计算机可读存储介质或非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质或非易失性存储介质所在设备执行上述所述检测方法。根据本专利技术实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述检测方法。在本专利技术实施例中，获取第一检测模型，其中，第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的，多组数据中的每组包括：预设制冷机组的特征参数，和特征参数所对应的故障类型；将第一检测模型中的模型参数迁移至预先配置的用于对待检测制冷机组进行检测的预设检测模型中，得到初始检测模型；基于待检测制冷机组的样本数据对初始检测模型的模型参数进行调整，得到第二检测模型，其中，样本数据为待检测制冷机组的特征参数和各特征参数所对应的故障类型；基于第二检测模型对待检测制冷机组的特征参数进行检测，得到待检测制冷机组的检测结果；从而通过模型的迁移学习技术，可以基于与待检测制冷机本文档来自技高网...

【技术保护点】
1.一种制冷机组检测方法，其特征在于，包括：/n获取第一检测模型，其中，所述第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的，所述多组数据中的每组包括：预设制冷机组的特征参数，和特征参数所对应的故障类型；/n将所述第一检测模型中的模型参数迁移至预先配置的用于对所述待检测制冷机组进行检测的预设检测模型中，得到初始检测模型；/n基于所述待检测制冷机组的样本数据对所述初始检测模型的模型参数进行调整，得到第二检测模型，其中，所述样本数据为所述待检测制冷机组的特征参数和各特征参数所对应的故障类型；/n基于所述第二检测模型对所述待检测制冷机组的特征参数进行检测，得到所述待检测制冷机组的检测结果。/n

【技术特征摘要】
1.一种制冷机组检测方法，其特征在于，包括：
获取第一检测模型，其中，所述第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的，所述多组数据中的每组包括：预设制冷机组的特征参数，和特征参数所对应的故障类型；
将所述第一检测模型中的模型参数迁移至预先配置的用于对所述待检测制冷机组进行检测的预设检测模型中，得到初始检测模型；
基于所述待检测制冷机组的样本数据对所述初始检测模型的模型参数进行调整，得到第二检测模型，其中，所述样本数据为所述待检测制冷机组的特征参数和各特征参数所对应的故障类型；
基于所述第二检测模型对所述待检测制冷机组的特征参数进行检测，得到所述待检测制冷机组的检测结果。


2.根据权利要求1所述的方法，其特征在于，获取第一检测模型包括：
获取模板制冷机组的检测数据和所述待检测制冷机组的检测数据，其中，所述模板制冷机组为数据库中预先存储的具有检测模型的制冷机组；
基于所述模板制冷机组的检测数据和所述待检测制冷机组的检测数据，确定所述模板制冷机组和所述待检测制冷机组的关联度；
在所述关联度符合预定条件的情况下，确定所述模板制冷机组为所述预设制冷机组，确定所述模板制冷机组的检测模型为所述第一检测模型。


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：
在确定所述待检测制冷机组的第二检测模型后，将所述待检测制冷机组的检测数据，和所述第二检测模型存入所述数据库。


4.根据权利要求1所述的方法，其特征在于，获取第一检测模型包括：
获取所述预设制冷机组的特征参数，和各个所述特征参数对应的故障类型；
将所述特征参数和各所述特征参数对应的故障类型输入预设模板模型，训练得到所述第一检测模型。


5.根据权利要求4所述的方法，其特征在于，获取所述预设制冷机组的特征参数包括：
获取所述预设制冷机组的检测数据，其中，所述预设制冷机组的检测数据为多元时间序列数据；
对所述多元时间序列数据进行降维处理，得到所述预设制冷机组的特征参数。


6.根据权利要求4所述的方法，其特征在于，所述预设模板模...

【专利技术属性】
技术研发人员：刘然，陈阳，孙博闻，
申请(专利权)人：博彦多彩数据科技有限公司，
类型：发明
国别省市：北京;11