设备状态监测方法、装置、系统及存储介质制造方法及图纸

本申请涉及计算机软件技术领域，公开了一种设备状态监测方法、装置、系统及存储介质，方法包括：获取被监测零件工作时的特征参数；将所述特征参数输入到设备状态监测模型中，获得所述被监测零件的工作状态监测结果，其中，所述设备状态监测模型为对所述被监测零件正常工作时的特征参数和/或故障时的特征参数进行机器学习训练后得到的用于输出所述工作状态监测结果的模型。通过上述技术方案，能够实现自动对设备中的零件的工作状态进行监测，以方便维修人员尽快确认设备零件状态，及时对出现故障的零件进行维修和更换，避免因为设备零件故障造成长时间停工停产。故障造成长时间停工停产。故障造成长时间停工停产。

【技术实现步骤摘要】
设备状态监测方法、装置、系统及存储介质


[0001]本申请涉及计算机软件
，具体涉及一种设备状态监测方法、装置、系统及存储介质。

技术介绍

[0002]对于各领域上使用的设备，在长时间运行工作后，组成设备的零件都难免由于各样的原因出现故障。如果不能及时确认设备中出现故障的零件，或造成设备长时间停产，对工厂生产或施工单位造成重大损失。

技术实现思路

[0003]针对上述技术缺陷，本申请提供了一种设备状态监测方法、装置、系统及存储介质，以解决
技术介绍
中所提出的技术问题。
[0004]为实现上述目的，第一方面，本申请提供了一种设备状态监测方法，包括：获取被监测零件工作时的特征参数；将所述特征参数输入到设备状态监测模型中，获得所述被监测零件的工作状态监测结果，其中，所述设备状态监测模型为对所述被监测零件正常工作时的特征参数和/或故障时的特征参数进行机器学习训练后得到的用于输出所述工作状态监测结果的模型。
[0005]可选的，对所述设备状态监测模型的训练方法包括：将所述被监测零件正常工作时的特征参数和/或故障时的特征参数分为训练样本集和测试样本集；将所述训练样本集的数据输入到待训练的设备状态监测模型进行训练；将所述测试样本集的数据输入到训练后的设备状态监测模型进行验证，计算修正数据；用所述修正数据对训练后的设备状态监测模型的系数进行修正，获得所述设备状态监测模型。
[0006]可选的，所述特征参数包括多种参数值。
[0007]可选的，所述方法还包括：若所述工作状态监测结果为异常，则输出报警信号并显示故障类型。
[0008]第二方面，本申请还提供了一种设备状态监测装置，包括获取模块和监测模块，其中，所述获取模块用于获取被监测零件工作时的特征参数；所述监测模块用于将所述特征参数输入到设备状态监测模型中，获得所述被监测零件的工作状态监测结果，其中，所述设备状态监测模型为对所述被监测零件正常工作时的特征参数和/或故障时的特征参数进行机器学习训练后得到的用于输出所述工作状态监测结果的模型。
[0009]可选的，所述设备状态监测模型的训练方法包括：
将所述被监测零件正常工作时的特征参数和/或故障时的特征参数分为训练样本集和测试样本集；将所述训练样本集的数据输入到待训练的设备状态监测模型进行训练；将所述测试样本集的数据输入到训练后的设备状态监测模型进行验证，计算修正数据；用所述修正数据对训练后的设备状态监测模型的系数进行修正，获得所述设备状态监测模型。
[0010]可选的，所述特征参数包括多种参数值。
[0011]可选的，所述装置还包括报警模块；所述报警模块用于若所述工作状态监测结果为异常，则输出报警信号并显示故障类型。
[0012]第三方面，本申请还提供了一种设备状态监测系统，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如第一方面所述的方法。
[0013]第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
[0014]通过本申请的技术方案，具有以下优点：通过上述技术方案，首先获取被监测零件工作时的特征参数，然后将所述特征参数输入到设备状态监测模型中，获得被监测零件的工作状态监测结果，从而实现自动对设备中的零件的工作状态进行监测，以方便维修人员尽快确认设备零件状态，及时对出现故障的零件进行维修和更换，避免因为设备零件故障造成长时间停工停产。
附图说明
[0015]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1是本申请实施例提供的设备状态监测方法的流程示意图；图2是本申请实施例提供的设备状态监测装置的结构示意图；图3是本申请实施例提供的设备状态监测系统的结构示意图。
[0017]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0018]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及
附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0019]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
[0020]应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语"如果"可以被解释成为"在
……
时"或"当
……
时"或"响应于确定"。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的，或意味着任一个或任何组合。例如，“包括以下至少一个：A、B、C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”，再如，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A和B和C”。仅当元件、功能、步骤或操作的组合在某些方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备状态监测方法，其特征在于，包括：获取被监测零件工作时的特征参数；将所述特征参数输入到设备状态监测模型中，获得所述被监测零件的工作状态监测结果，其中，所述设备状态监测模型为对所述被监测零件正常工作时的特征参数和/或故障时的特征参数进行机器学习训练后得到的用于输出所述工作状态监测结果的模型。2.根据权利要求1所述的设备状态监测方法，其特征在于，对所述设备状态监测模型的训练方法包括：将所述被监测零件正常工作时的特征参数和/或故障时的特征参数分为训练样本集和测试样本集；将所述训练样本集的数据输入到待训练的设备状态监测模型进行训练；将所述测试样本集的数据输入到训练后的设备状态监测模型进行验证，计算修正数据；用所述修正数据对训练后的设备状态监测模型的系数进行修正，获得所述设备状态监测模型。3.根据权利要求2所述的设备状态监测方法，其特征在于，所述特征参数包括多种参数值。4.根据权利要求1所述的设备状态监测方法，其特征在于，所述方法还包括：若所述工作状态监测结果为异常，则输出报警信号并显示故障类型。5.一种设备状态监测装置，其特征在于，包括获取模块和监测模块，其中，所述获取模块用于获取被监测零件工作时的特征参数；所述监测模块用于将所述特征参数输入到设备状态监测模型中，获得所述被监测零件的工作状态监测结果，其中，所述设备状态监测模型为对所述被监测零件正常工作时的特征参数和/或故障时的特征参数进行机器学习...

【专利技术属性】
技术研发人员：阮涛，
申请(专利权)人：浙江齐安信息科技有限公司，
类型：发明
国别省市：