电机的故障判断方法、装置、终端设备及计算机存储介质制造方法及图纸

本发明专利技术涉及电机和人工智能技术领域，提供一种电机的故障判断方法、装置、终端设备以及计算机可读存储介质，方法包括：获取待检测电机的实时状态数据，并将所述实时状态数据输入预设的电机故障判断模型，其中，所述电机故障判断模型基于多个电机的样本状态数据进行联邦学习训练得到；接收所述电机故障判断模型基于所述实时状态数据进行训练计算后输出的计算结果；根据所述计算结果确定所述待检测电机是否发生故障。此外，本发明专利技术还涉及区块链技术，电机故障判断模型可存储在区块链中。本发明专利技术能够基于多个电机采集样本状态数据进行联邦的机器学习训练得到模型来进行电机故障的识别判断，简化了针对电机进行故障判断的操作、提高了故障判断的准确性。高了故障判断的准确性。高了故障判断的准确性。

【技术实现步骤摘要】
电机的故障判断方法、装置、终端设备及计算机存储介质


[0001]本专利技术涉及电机和人工智能
，尤其涉及一种电机的故障判断方法、装置、终端设备以及计算机可读存储介质。

技术介绍

[0002]人工智能(AI，Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0003]现有针对电机进行故障识别判断大都是实时的对待检测电机进行各种维度的状态检测，并在检测得到该待检测电机大量的状态数据之后，针对该大量状态数据进行复杂的专业计算，进而输出故障的判断结果。如此，不仅在每一次进行判断时都必须进行复杂的计算，且由于电机的运行状态难免会遭受外界噪声的影响，因此，很容易造成即便耗费时间进行了繁琐的计算，但最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机的故障判断方法，其特征在于，所述电机的故障判断方法应用于连接多个电机的终端设备，所述电机的故障判断方法包括：获取待检测电机的实时状态数据，并将所述实时状态数据输入预设的电机故障判断模型，其中，所述电机故障判断模型基于多个电机的样本状态数据进行联邦学习训练得到；接收所述电机故障判断模型基于所述实时状态数据进行训练计算后输出的计算结果；根据所述计算结果确定所述待检测电机是否发生故障。2.根据权利要求1所述的电机的故障判断方法，其特征在于，所述电机的故障判断方法，还包括：控制多个电机基于各自的样本状态数据进行联邦学习训练得到电机故障判断模型。3.根据权利要求2所述的电机的故障判断方法，其特征在于，所述控制多个电机基于各自的样本状态数据进行联邦学习训练得到电机故障判断模型的步骤，包括：控制所述多个电机各自在本地采集样本状态数据并基于所述样本状态数据进行本地模型的机器学习训练；接收所述多个电机上传的各自本地模型的模型参数，并整合所述模型参数生成待确认模型；将所述待确认模型分发至所述多个电机进行测试并接收所述多个电机各自返回的测试结果；根据所述测试结果确定所述待确认模型为电机故障判断模型。4.根据权利要求3所述的电机的故障判断方法，其特征在于，所述测试结果包括模型计算准确和模型计算不准确，所述根据所述测试结果确定所述待确认模型为电机故障判断模型的步骤，包括：若接收到的所述测试结果为所述模型计算准确，则确定所述待确认模型为所述电机故障判断模型；若接收到的所述测试结果为所述模型计算不准确，则控制对应电机在本地基于所述样本状态数据对所述待确认模型重新进行训练并上传新的模型参数；整合所述新的模型参数生成新的待确认模型并针对所述新的待确认模型进行测试得到新的测试结果；若所述新的测试结果为所述模型计算准确，则确定所述新的待确认模型为所述电机故障判断模型。5.根据权利要求1所述的电机的故障判断方法，其特征在于，所述样本状态数据包括电机实时运行参数和环境噪声数据，所述控制所述多个电机各自在本地采集样本状态数据并基于所述样本状态数据进行本地模型的机器学习训练的步骤，包括：向所述多个电...

【专利技术属性】
技术研发人员：绳朵，周影，曾雪霞，彭文科，
申请(专利权)人：广东迅科动力科技有限公司，
类型：发明
国别省市：