设备状态检测方法及相关装置制造方法及图纸

本申请提供的设备状态检测方法及相关装置中，数据处理设备将自编码器与多个循环神经网络相结合，通过自编码器将待检测设备的多个状态特征集分别进行重构，并依据多个状态特征集与各自重构特征集之间的差异，确定待检测设备的健康状态；由于该自编码器的待重构特征由多个循环神经网络对不同特征尺度的多个编码序列分别进行特征发掘获得，因此，能够充分发掘设备状态序列中蕴藏的与设备健康状态相关的信息，以达到提高检测精度的目的。以达到提高检测精度的目的。以达到提高检测精度的目的。

【技术实现步骤摘要】
设备状态检测方法及相关装置


[0001]本申请涉及机器学习领域，具体而言，涉及一种设备状态检测方法及相关装置。

技术介绍

[0002]由于工业设备的健康状态对于企业的安全生产与经济效益有着重要意义，因此，提出了基于数据驱动的工业设备健康状态监测方法。该方法中，利用传感器处采集工业设备的设备状态序列，基于深度神经网络进行黑盒的建模，并进行端到端的训练，从空间维度以及时间维度挖掘出海量数据中蕴藏的工业设备健康状态信息。
[0003]然而，专利技术人研究发现，相关技术未充分利用待分析数据的局部感受视野范围内的特征。

技术实现思路

[0004]为了克服现有技术中的至少一个不足，本申请实施例提供一种设备状态检测方法及相关装置，包括：第一方面，本申请实施提供一种设备状态检测方法，应用于数据处理设备，所述数据处理设备配置有第一检测模型，所述第一检测模型包括第一编码器、第一解码器以及多个循环神经网络，所述方法包括：获取待检测设备的多个状态特征集，所述多个状态特征集具有预设顺序，每个所述状态特征集具有所述待检测设备多个部件各自的状态信息；通过所述第一编码器从空间维度对所述多个状态特征集分别进行特征提取，获得具有不同特征尺度的多个编码序列，其中，所述多个编码序列分别对应不同的循环神经网络，每个所述编码序列包括具有所述预设顺序的多个编码特征，所述多个编码特征分别对应不同的所述状态特征集；针对每个所述编码序列，通过对应的所述循环神经网络从时间维度对所述编码序列进行特征提取，获得待重构序列，其中，所述待重构序列包括多个待重构特征，所述多个待重构特征分别对应不同的所述状态特征集；针对每个所述状态特征集，将所述状态特征集全部的待重构特征输入到所述第一解码器进行重构，获得所述状态特征集的重构特征集；根据所述多个状态特征集与各自重构特征集之间的差异，确定所述待检测设备的健康状态。
[0005]第二方面，本申请实施例提供一种设备状态检测装置，应用于数据处理设备，所述数据处理设备配置有第一检测模型，所述第一检测模型包括第一编码器、第一解码器以及多个循环神经网络，所述设备状态检测装置包括：特征获取模块，用于获取待检测设备的多个状态特征集，所述多个状态特征集具有预设顺序，每个所述状态特征集具有所述待检测设备多个部件各自的状态信息；特征提取模块，用于通过所述第一编码器从空间维度对所述多个状态特征集分别
进行特征提取，获得具有不同特征尺度的多个编码序列，其中，所述多个编码序列分别对应不同的循环神经网络，每个所述编码序列包括具有所述预设顺序的多个编码特征，所述多个编码特征分别对应不同的所述状态特征集；所述特征提取模块，还用于针对每个所述编码序列，通过对应的所述循环神经网络从时间维度对所述编码序列进行特征提取，获得待重构序列，其中，所述待重构序列包括多个待重构特征，所述多个待重构特征分别对应不同的所述状态特征集；特征重构模块，用于针对每个所述状态特征集，将所述状态特征集全部的待重构特征输入到所述第一解码器进行重构，获得所述状态特征集的重构特征集；状态检测模块，用于根据所述多个状态特征集与各自重构特征集之间的差异，确定所述待检测设备的健康状态。
[0006]第三方面，本申请实施例提供一种数据处理设备，所述数据处理设备包括处理器以及存储器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述的设备状态检测方法。
[0007]第四方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现所述的设备状态检测方法。
[0008]相对于现有技术而言，本申请具有以下有益效果：本实施体用的设备状态检测方法及相关装置中，数据处理设备将自编码器与多个循环神经网络相结合，通过自编码器将待检测设备的多个状态特征集分别进行重构，并依据多个状态特征集与各自重构特征集之间的差异，确定待检测设备的健康状态；由于该自编码器的待重构特征由多个循环神经网络对不同特征尺度的多个编码序列分别进行特征发掘获得，因此，能够充分发掘设备状态序列中蕴藏的与设备健康状态相关的信息，以达到提高检测精度的目的。
附图说明
[0009]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0010]图1为本申请实施例提供的数据处理设备的结构示意图；图2为本申请实施例提供的设备状态检测方法的流程示意图之一；图3为本申请实施例提供的第一检测模型的结构示意图；图4为本申请实施例提供的设备状态检测方法的流程示意图之二；图5为本申请实施例提供的第二检测模型的结构示意图；图6为本申请实施例提供的设备状态检测装置的结构示意图。
[0011]图标：120
‑
存储器；130
‑
处理器；140
‑
通信装置；201
‑
特征获取模块；202
‑
特征提取模块；203
‑
特征重构模块；204
‑
状态检测模块。
具体实施方式
[0012]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例
Cloud)、分布式云、跨云（Inter
‑
Cloud）、多云(Multi
‑
Cloud)等，或者它们的任意组合。在一些实施例中，服务器可以在具有一个或多个组件的电子设备上实现。
[0022]在其他一些实施方式中，该数据处理设备还可以是与待检测设备通信连接的用户终端。该用户终端的具体类型可以是，但不限于，移动终端、平板计算机、膝上型计算机、或机动车辆中的内置设备等，或其任意组合。在一些实施例中，移动终端可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机、或对讲机等，或其任意组合。在一些实施例中，可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中，智能移动设备可以包括智能手机、个人数字助理（Personal Digital Assistant，PDA）、游戏设备、导航设备、或销售点（Point of Sale，POS）设备等，或其任意组合。
[0023]本实施例还提供该数据处理设备的一种结构示意图。如图1所示，该数据处理设备包括存储器120、处理器130、通信装置140。
[0024]该存储器120、处理器130以及通信装置140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
[0025]其中，该存储本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备状态检测方法，其特征在于，应用于数据处理设备，所述数据处理设备配置有第一检测模型，所述第一检测模型包括第一编码器、第一解码器以及多个循环神经网络，所述方法包括：获取待检测设备的多个状态特征集，所述多个状态特征集具有预设顺序，每个所述状态特征集具有所述待检测设备多个部件各自的状态信息；通过所述第一编码器从空间维度对所述多个状态特征集分别进行特征提取，获得具有不同特征尺度的多个编码序列，其中，所述多个编码序列分别对应不同的循环神经网络，每个所述编码序列包括具有所述预设顺序的多个编码特征，所述多个编码特征分别对应不同的所述状态特征集；针对每个所述编码序列，通过对应的所述循环神经网络从时间维度对所述编码序列进行特征提取，获得待重构序列，其中，所述待重构序列包括多个待重构特征，所述多个待重构特征分别对应不同的所述状态特征集；针对每个所述状态特征集，将所述状态特征集全部的待重构特征输入到所述第一解码器进行重构，获得所述状态特征集的重构特征集；根据所述多个状态特征集与各自重构特征集之间的差异，确定所述待检测设备的健康状态。2.根据权利要求1所述的设备状态检测方法，其特征在于，所述第一编码器包括多个卷积层，通过所述第一编码器从空间维度对所述多个状态特征集分别进行特征提取，获得具有不同特征尺度的多个编码序列，包括：针对每个所述状态特征集，通过所述多个卷积层依次对所述状态特征集进行特征提取，获得所述状态特征集的多个编码特征，其中，所述状态特征集的多个编码特征分别具有不同的特征尺度，且分别获取自不同的所述卷积层；将所述多个状态特征集各自的编码特征按照特征尺度进行分类，获得所述多个编码序列。3.根据权利要求1所述的设备状态检测方法，其特征在于，所述第一解码器包括与所述多个循环神经网络分别对应的多个反卷积层，所述针对每个所述状态特征集，将所述状态特征集全部的待重构特征输入到所述第一解码器进行重构，获得所述状态特征集的重构特征集，包括：根据所述多个循环神经网络与所述多个反卷积层之间的对应关系，将所述状态特征集全部的待重构特征分别输入到对应的反卷积层进行重构，获得所述状态特征集的重构特征集。4.根据权利要求1所述的设备状态检测方法，其特征在于，所述获取待检测设备的多个状态特征集，包括：获取所述待检测设备的第一状态序列，其中，所述第一状态序列包括所述待检测设备多个部件各自的状态数据；将所述第一状态序列拆分成多个数据片段；针对每个所述数据片段，获取所述数据片段的协方差矩阵；将全部所述数据片段的协方差矩阵，作为所述待检测设备的多个状态特征集。5.根据权利要求1所述的设备状态检测方法，其特征在于，所述根据所述多个状态特征
集与各自重构特征集之间的差异，确定所述待检测设备的健康状态，包括：获取所述多个状态特征集与各自重构特征集之间的第一均方误差；若所述第一...

【专利技术属性】
技术研发人员：郭晓辉，牟许东，王瑞，刘重伟，刘品，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：