本发明专利技术实施例公开了一种模型训练方法，适于对至少一个信号识别模型进行训练，每个信号识别模型包括顺序相连的信号接收模块、多个卷积处理模块、和分类输出模块，并适于对机械设备的一个类型的状态信号进行识别，以确定该个类型的状态信号是否为无效信号，模型训练方法包括：基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集；对于每个类型的状态信号，利用对应于该个类型的状态信号的训练集训练用于对该个类型的状态信号进行识别的信号识别模型。本发明专利技术还公开了对应的模型训练装置、信号识别装置、系统、计算设备和可读存储介质。储介质。储介质。
【技术实现步骤摘要】
一种模型训练方法、装置和信号识别装置
[0001]本专利技术涉及人工智能
，尤其涉及一种模型训练方法、装置和信号识别装置。
技术介绍
[0002]当机械设备即将发生或正在发生某种故障时，其形态、结构、运行状态必然会有相应异常的表现。通过及时对这些异常状态进行监测，能够有效地避免设备故障带来的大规模损伤，保证人员和财产安全，尽可能地降低了成本。因此，对机械设备进行有效监测具有非常重要的意义。
[0003]在实际工业环境中，可以对机械设备的各种状态信号进行监测，例如振动信号等等，以便通过状态信号判断机械设备是否发生故障。但状态信号有时会受到例如传感器安装位置、传感器自身性能和缺陷、复杂工况环境、电磁干扰等因素的较大干扰，从而导致状态信号的不可信和无效，无法判断机械设备是否发生故障。而这种无效的状态信号一旦被识别为指示发生故障的故障信号，将引发机械设备的误报警，继而导致机械设备的非正常停机，降低机组的可利用率，迫使机组进行检修而影响正常工作生产。并且，当启停机动作过于频繁时，也会降低设备关键部件的使用寿命，带来严重的经济损失。因此，需要对无效信号进行识别，以便从监测到的状态信号中筛除掉无效信号。
[0004]目前大多是基于固定门限值来识别无效信号。但由于无效信号种类繁多，其波形形状也不尽相同，通过设置固定门限值进行识别的准确性较低，漏报率和误报率很高。因此，需要提供一种更先进的信号识别方案。
技术实现思路
[0005]为此，本专利技术实施例提供一种模型训练方法、装置和信号识别装置，以力图解决或者至少缓解上面存在的至少一个问题。
[0006]根据本专利技术实施例的一个方面，提供了一种模型训练方法，适于对至少一个信号识别模型进行训练，每个信号识别模型包括顺序相连的信号接收模块、多个卷积处理模块、和分类输出模块，并适于对机械设备的一个类型的状态信号进行识别，以确定该个类型的状态信号是否为无效信号，模型训练方法包括：基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，样本数据库包括多个状态信号样本，每个状态信号样本具有指示该状态信号是否为无效信号的标签；以及对于每个类型的状态信号，利用对应于该个类型的状态信号的训练集训练用于对该个类型的状态信号进行识别的信号识别模型。
[0007]可选地，在根据本专利技术实施例的方法中，基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，包括：对于每个类型的状态信号，从样本数据库所包含的该个类型的状态信号样本中选择具有目标数据长度的状态信号样本作为对应于该个类型的状态信号的训练集，在样本数据库所包含的该个类型的状态信号样本中，具有目标数据长度的状态信号样本的数量大于具有其他数据长度的状态信号样本的数量。
[0008]可选地，在根据本专利技术实施例的方法中，对应于每个类型的状态信号的训练集中标签指示为无效信号的样本数量与标签指示不为无效信号的样本数量相同。
[0009]可选地，在根据本专利技术实施例的方法中，基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，还包括：删除每个训练集中包括无效数据点的状态信号样本。
[0010]可选地，在根据本专利技术实施例的方法中，信号识别模型适于经由信号接收模块接收状态信号，并经由多个卷积处理模块进行卷积处理后经由分类输出模块确定状态信号是否为无效信号。
[0011]根据本专利技术实施例的另一个方面，提供了模型训练装置，适于对至少一个信号识别模型进行训练，每个信号识别模型包括顺序相连的信号接收模块、多个卷积处理模块、和分类输出模块，并适于对机械设备的一个类型的状态信号进行识别，以确定该个类型的状态信号是否为无效信号，模型训练装置包括：训练集获取单元，适于基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，样本数据库包括多个状态信号样本，每个状态信号样本具有指示该状态信号是否为无效信号的标签；以及模型训练单元，适于对于每个类型的状态信号，利用对应于该个类型的状态信号的训练集训练用于对该个类型的状态信号进行识别的信号识别模型。
[0012]根据本专利技术实施例的另一个方面，提供了一种信号识别装置，适于采用至少一个信号识别模型分别识别机械设备的至少一个类型的状态信号是否为无效信号，信号识别模型利用如权利要求1
‑
5中任一项的模型训练方法训练得到，并包括顺序相连的信号接收模块、多个卷积处理模块、和分类输出模块，其中信号接收模块适于接收状态信号；卷积处理模块适于进行卷积处理；分类输出模块适于确定状态信号是否为无效信号。
[0013]根据本专利技术实施例的另一个方面，提供了一种信号处理系统，包括处理前端和如权利要求7的信号识别装置，其中处理前端适于将机械设备的至少一个类型的状态信号发送至信号识别装置；信号识别装置适于采用至少一个信号识别模型分别识别至少一个类型的状态信号是否为无效信号，并将识别结果返回至处理前端，其中至少一个信号识别模型由如权利要求14的模型训练装置训练得到。
[0014]根据本专利技术实施例的另一个方面，提供了一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，该一个或多个程序包括用于执行根据本专利技术实施例的模型训练方法中的任一方法的指令。
[0015]根据本专利技术实施例的还有一个方面，提供了一种存储程序的可读存储介质，该程序包括指令，该指令当由计算设备执行时，使得计算设备执行根据本专利技术实施例的模型训练方法中的任一方法。
[0016]根据本专利技术实施例的模型训练方案训练得到的信号识别方案可以便捷有效地对各个类型的状态信号中的各种无效信号进行识别(输入状态信号的波形数据即可进行识别)，在识别效率高的同时，还极大地提高了识别无效信号的准确率，降低了漏报率和误报率。因此，可以显著控制和减少机械设备的启停机频率，避免了因对无效信号进行报警而导致的损失。
附图说明
[0017]为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
[0018]图1示出了根据本专利技术一个实施例的信号识别系统100的示意图；
[0019]图2示出了根据本专利技术一个实施例的计算设备200的示意图；
[0020]图3示出了根据本专利技术一个实施例的信号识别模型300的示意图；
[0021]图4示出了根据本专利技术一个实施例的模型训练方法400的流程图；以及
[0022]图5示出了根据本专利技术一个实施例的模型训练装置130的示意图。
具体实施方式
[0023]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，适于对至少一个信号识别模型进行训练，每个信号识别模型包括顺序相连的信号接收模块、多个卷积处理模块、和分类输出模块，并适于对机械设备的一个类型的状态信号进行识别，以确定该个类型的状态信号是否为无效信号，所述模型训练方法包括：基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，所述样本数据库包括多个状态信号样本，每个状态信号样本具有指示该状态信号是否为无效信号的标签；以及对于每个类型的状态信号，利用对应于该个类型的状态信号的训练集训练用于对该个类型的状态信号进行识别的信号识别模型。2.如权利要求1所述的方法，其中，基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，包括：对于每个类型的状态信号，从所述样本数据库所包含的该个类型的状态信号样本中选择具有目标数据长度的状态信号样本作为对应于该个类型的状态信号的训练集，在所述样本数据库所包含的该个类型的状态信号样本中，具有所述目标数据长度的状态信号样本的数量大于具有其他数据长度的状态信号样本的数量。3.如权利要求2所述的方法，其中，对应于每个类型的状态信号的训练集中标签指示为无效信号的样本数量与标签指示不为无效信号的样本数量相同。4.如权利要求2所述的方法，其中，基于样本数据库获取对应于至少一个类型的状态信号的至少一个训练集，还包括：删除每个训练集中包括无效数据点的状态信号样本。5.如权利要求1所述的方法，其中，所述信号识别模型适于经由信号接收模块接收状态信号，并经由多个卷积处理模块进行卷积处理后经由分类输出模块确定所述状态信号是否为无效信号。6.一种模型训练装置，适于对至少一个信号识别模型进行训练，每个信号识别模型包括顺序相连的信号接收模块、多个卷积处理模块、和分类输出模块，并适于对机械设备的一个类型的状态信号进行识别，以确定该个类型的状态...
【专利技术属性】
技术研发人员：王勇，朱非白，汪湘湘，贾维银，
申请(专利权)人：安徽容知日新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。