【技术实现步骤摘要】
产生一马达诊断模型的装置及方法
[0001]本专利技术涉及一种产生一马达诊断模型的装置及方法，特别是涉及一种基于具有完整运行履历的马达的特征数据为不具有完整运行履历的马达产生一马达诊断模型的装置及方法。
技术介绍
[0002]为管理一作业环境(例如：工厂)中驱动各种设备的大量马达，业者需要知道这些马达的各种运作状态。目前业界普遍的做法是由人力逐一地巡检马达，但此种作法需耗费大量的人力资源，且仅能在检测到马达发生异常状态后才被动地采取因应的措施，造成设备下线的损失。
[0003]为解决由人力逐一地巡检马达的缺点，目前已有一些业者利用机器学习的技术来建立马达诊断模型，以便管理大量的马达。若采取机器学习的技术来建立马达诊断模型，需要先搜集马达在各种运行状态(包含各种正常运作状态、关机状态及各种异常状态)下的特征数据，由使用者针对各特征数据进行标记，再利用标记过后的特征数据训练一神经网络模型作为马达诊断模型。然而，不论是对特征数据进行标记或是训练神经网络模型，皆需要极高的时间成本。
[0004]此外，同一型号的不同马达本身仍有些物理性质的差异，也会因机台差异(例如：安装的机台不同、维修人员不同)而具有不同的物理特性。若要达到准确的诊断结果，需要针对各个马达逐一地训练对应的马达诊断模型，但此举将衍生业者无法负担的时间成本。再者，为了建立一马达的马达诊断模型，需要该马达的完整运行履历(亦即，马达在各种运行状态下所撷取到的特征数据)，但仍在正常运作的马达不会有异常状态的特征数据可被收集，此为仍待克服的问题。>[0005]有鉴于此，如何简单且有效率地为不具备完整运行履历的马达产生马达诊断模型，乃业界亟需努力的目标。
技术实现思路
[0006]本专利技术的一目的在于提供一种产生一马达诊断模型的装置。该装置包含一存储器及一处理器，其中该处理器电性连接至该存储器。该存储器存储一第一马达的多个第一特征数据及一第二马达的多个第二特征数据。该处理器产生对应至该多个第一特征数据的多个第一降维数据，其中各该第一降维数据对应至一正常状态、一该离线状态及一异常状态其中之一。该处理器还产生对应至该多个第二特征数据的多个第二降维数据，其中各该第二降维数据对应至该正常状态及该离线状态其中之一。该处理器还执行一运作(a)及一运作(b)其中之一，其中该运作(a)将各该第一降维数据旋转一第一角度以个别地得到一第三降维数据，且以这些第三降维数据与该多个第二降维数据作为一待分析数据集，而该运作(b)将各该第二降维数据旋转一第二角度以个别地得到一第四降维数据，且以该多个第四降维数据与该多个第一降维数据作为该待分析数据集。该处理器还根据该待分析数据集的
一第一子集训练出用于区分数据来源的一分类模型，该处理器还根据该待分析数据集的一第二子集测试该分类模型于区分该数据来源的一准确率，且该处理器还根据该准确率决定是否以该待分析数据集产生该马达诊断模型以用于该第二马达。
[0007]本专利技术的另一目的在于提供一种产生一马达诊断模型的方法，其是适用于一电子计算装置。该电子计算装置存储一第一马达的多个第一特征数据及一第二马达的多个第二特征数据。该方法包含步骤(a)至步骤(f)。步骤(a)产生对应至该多个第一特征数据的多个第一降维数据，其中各该第一降维数据对应至一正常状态、一离线状态或一异常状态。步骤(b)产生对应至该多个第二特征数据的多个第二降维数据，其中各该第二降维数据对应至该正常状态或该离线状态。该步骤(c)执行步骤(c1)或步骤(c2)，其中步骤(c1)将各该第一降维数据旋转一第一角度以个别地得到一第三降维数据，且以这些第三降维数据与该多个第二降维数据作为一待分析数据集，而步骤(c2)将各该第二降维数据旋转一第二角度以个别地得到一第四降维数据，且以该多个第四降维数据与该多个第一降维数据作为该待分析数据集。步骤(d)根据该待分析数据集的一第一子集训练出用于区分数据来源的一分类模型。步骤(e)以该待分析数据集的一第二子集测试该分类模型于区分该数据来源的一准确率。步骤(f)根据该准确率决定是否以该待分析数据集产生该马达诊断模型以用于该第二马达。
[0008]本专利技术所提供的产生一马达诊断模型的技术(至少包含装置及方法)会针对具有完整运行履历的一第一马达的多个第一特征数据产生多个第一降维数据，且会针对不具有完整运行履历的一第二马达的多个第二特征数据产生多笔第二降维数据。由于第一马达具有完整运行履历，因此各该第一降维数据对应至一正常状态、一离线状态或一异常状态。由于第二马达不具有完整运行履历，因此各该第二降维数据对应至该正常状态或该离线状态，但没有第二降维数据会对应至异常状态。
[0009]本专利技术所提供的技术还会将该多个第一降维数据或该多个第二降维数据旋转，并将旋转后的结果与未作旋转的降维数据整合为一待分析数据集。本专利技术所提供的技术还根据该待分析数据集的一子集训练出用于区分数据来源的一分类模型，根据该待分析数据集的另一子集测试该分类模型于区分该数据来源的一准确率，再根据该准确率决定是否以该待分析数据集产生该马达诊断模型以用于该第二马达。具体而言，若该准确率低于一门槛值(亦即，该分类模型无法正确地区分大多数的降维数据是来自第一马达或第二马达)，代表第一马达及第二马达的降维数据已被彻底地混合，因此本专利技术所提供的技术会以该待分析数据集来产生用于该第二马达的该马达诊断模型。若该准确率高于一门槛值(亦即，该分类模型能正确地区分大多数的降维数据是来自第一马达或第二马达)，代表第一马达及第二马达的降维数据未被彻底地混合，因此本专利技术所提供的技术不会以该待分析数据集来产生用于该第二马达的该马达诊断模型。针对该准确率高于该门槛值的情况，本专利技术所提供的技术还可再次执行前述运作以产生其他的待分析数据集，并进行后续的训练与判断。
[0010]因此，本专利技术所提供的产生马达诊断模型的技术可简单且有效率地为不具完整运行履历的第二马达建立一马达诊断模型，便于业者自动化地管理大量马达的运作状态。
附图说明
[0011]为让本专利技术的上述目的、特征和优点能更明显易懂，以下结合附图对本专利技术的具
体实施方式作详细说明，其中：
[0012]图1A描绘第一实施方式的模型产生装置1的架构示意图；
[0013]图1B描绘一第一模型m1与其所区分的区域N1(对应至正常状态)、区域O1(对应至离线状态)以及区域A1(对应至异常状态)的一具体范例；
[0014]图1C描绘一第二模型m2与其所区分的区域N2(对应至正常状态)以及区域O2(对应至离线状态)的一具体范例；
[0015]图1D描绘旋转第一降维数据的一具体范例；
[0016]图2描绘第二实施方式的模型产生方法的流程图。符号说明1：模型产生装置11：存储器13：处理器f11、f12、
…
、f1n：第一特征数据f21、f22、
…
、f2m：第二特征数据N1、N2、O1、O2、A1：区域m1：第一模型m2：第二模型θ1：第一角度S201～S213：步骤
...
【技术保护点】
【技术特征摘要】
1.一种产生一马达诊断模型的装置，其特征在于，包含：一存储器，存储一第一马达的多个第一特征数据及一第二马达的多个第二特征数据；以及一处理器，电性连接至该存储器，产生对应至该多个第一特征数据的多个第一降维数据，且产生对应至该多个第二特征数据的多个第二降维数据，其中各该第一降维数据对应至一正常状态、一离线状态及一异常状态其中之一，且各该第二降维数据对应至该正常状态及该离线状态其中之一，其中，该处理器还执行一运作(a)及一运作(b)其中之一，其中该运作(a)将各该第一降维数据旋转一第一角度以个别地得到一第三降维数据，且以多个该第三降维数据与该多个第二降维数据作为一第一待分析数据集，该运作(b)将各该第二降维数据旋转一第二角度以个别地得到一第四降维数据，且以多个该第四降维数据与该多个第一降维数据作为该第一待分析数据集，其中，该处理器还根据该第一待分析数据集的一第一子集训练出用于区分数据来源的一第一分类模型，该处理器还根据该第一待分析数据集的一第二子集测试该第一分类模型于区分该数据来源的一第一准确率，且该处理器还根据该第一准确率决定是否以该第一待分析数据集产生该马达诊断模型以用于该第二马达。2.如权利要求1所述的装置，其特征在于，一第一模型将该多个第一降维数据区分为该正常状态、该离线状态及该异常状态，且一第二模型将该多个第二降维数据区分为该正常状态及该离线状态，该处理器是根据该第一模型及该第二模型决定该第一角度。3.如权利要求1所述的装置，其特征在于，一第一模型将该多个第一降维数据区分为该正常状态、该离线状态及该异常状态，且一第二模型将该多个第二降维数据区分为该正常状态及该离线状态，该处理器是根据该第一模型及该第二模型决定该第二角度。4.如权利要求1所述的装置，其特征在于，当该第一准确率低于一门槛值时，该处理器决定以该第一待分析数据集产生该马达诊断模型以用于该第二马达。5.如权利要求1所述的装置，其特征在于，该处理器是执行该运作(a)，当该第一准确率高于一门槛值时，该处理器还将各该第一降维数据旋转一第三角度以个别地得到一第五降维数据，且以多个该第五降维数据与该多个第二降维数据作为一第二待分析数据集，其中该第三角度与该第一角度不同，其中，该处理器还根据该第二待分析数据集的一第三子集训练出用于区分该数据来源的一第二分类模型，该处理器还根据该第二待分析数据集的一第四子集测试该第二分类模型于区分该数据来源的一第二准确率，且该处理器还根据该第二准确率决定是否以该第二待分析数据集产生该马达诊断模型以用于该第二马达。6.如权利要求1所述的装置，其特征在于，该处理器是执行该运作(b)，当该第一准确率高于一门槛值时，该处理器还将各该第二降维数据旋转一第四角度以个别地得到一第六降维数据，且以多个该第六降维数据与该多个第一降维数据作为一第二待分析数据集，其中该第四角度与该第二角度不同，其中，该处理器还根据该第二待分析数据集的一第三子集训练出用于区分该数据来源一第二分类模型，该处理器还根据该第二待分析数据集的一第四子集测试该第二分类模型于区分该数据来源的一第二准确率，且该处理器还根据该第二准确率决定是否以该第二待
分析该数据集产生该马达诊断模型以用于该第二马达。7.如权利要求1所述的装置，其特征在于，该处理器是以一降维演算法产生该多个第一降维数据及该多个第二降维数据，且该降维演算法为一主成分分析法(Principal Components Analysis；PCA)、一线性判别分析法(Linear Discriminant Analysis；LDA)及一分散式随机邻...
【专利技术属性】
技术研发人员：吕欣泽，维雷莎，
申请(专利权)人：财团法人资讯工业策进会，
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。