设备异常检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种设备异常检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测设备的状态数据；对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数；获取预定时间段的各时间节点的时序状态特征参数，以预设算法对获取的各时间节点的时序状态特征参数进行分析，判断各时间节点的时序状态特征参数是否异常，其中，预定时间段以当前时间点为结束节点；根据判断结果判定待检测设备是否处于异常状态。通过上述方法自动实现对待检测设备的异常检测，避免了人工检测随检测时间增加而出现的错检概率和漏检概率上升的问题，稳定性和准确性较高，并降低了工作人员的工作量。量。量。

【技术实现步骤摘要】
设备异常检测方法、装置、计算机设备和存储介质


[0001]本申请涉及设备异常检测
，特别是涉及一种设备异常检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着工业技术的发展，工业设备在工业生产中愈发重要，工业设备的异常检测也成为工业生产中的焦点问题。
[0003]传统的异常检测过程中，需要先收集例如分子束外延设备的工业设备的状态数据后，将收集数据显示于人机交互界面后，由工作人员实时观测状态数据并判断是否有异常。
[0004]然而，通过该方式需要工作人员具有足够的经验，且随着工作人员工作时间的增长，工作人员错检和漏检的概率均会大幅上升。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够自动检测设备异常的设备异常检测方法、装置、计算机设备和存储介质。
[0006]一种设备异常检测方法，包括：
[0007]获取待检测设备的状态数据，其中，所述获取数据包括多次采集的状态参数；
[0008]对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；
[0009]获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；
[0010]根据判断结果判定所述待检测设备是否处于异常状态。
>[0011]在其中一个实施例中，所述对获取数据进行预处理包括：
[0012]对获取数据进行归一化处理、降噪处理和时间校正处理；
[0013]以时间为分类标准对处理后的获取数据进行时序分类。
[0014]在其中一个实施例中，所述时间校正处理包括：
[0015]将同次采集的状态参数的记录采集时间以预设规则校正至相同值。
[0016]在其中一个实施例中，所述以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常包括：
[0017]根据各时间节点的所述时序状态特征参数得到对应时间节点的时序评价指标，其中，所述时序评价指标用于表征所述时序状态特征参数与预设的正常状态特征参数均值的差异度；
[0018]根据各时间节点的所述时序评价指标判断对应的时序状态特征参数是否异常。
[0019]在其中一个实施例中，所述根据各时间节点的所述时序状态特征参数得到对应时间节点的时序评价指标的公式为：
[0020][0021]其中，E表示所述时序评价指标，Y
j
表示所述时序状态特征参数，表示所述正常状态特征参数均值，j表示所述时序状态特征参数的维度。
[0022]在其中一个实施例中，所述根据各时间节点的所述时序评价指标判断对应的时序状态特征参数是否异常包括：
[0023]判断各时间节点的所述时序评价指标是否大于预设的异常阈值，若大于所述异常阈值，则判定所述时序评价指标对应的时序状态特征参数异常。
[0024]在其中一个实施例中，所述根据判断结果判定所述待检测设备是否处于异常状态包括：
[0025]获取所述时序状态特征参数异常的时间节点，记为异常时间节点；
[0026]判断所述预定时间段内所述异常时间节点数与总时间节点数的比值是否大于预设阈值，若是，判定所述待检测设备处于异常状态。
[0027]一种设备异常检测装置，包括：
[0028]获取模块，用于获取待检测设备的状态数据，其中，所述获取数据包括多次采集的状态参数；
[0029]处理模块，用于对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；
[0030]判断模块，用于获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；
[0031]判定模块，用于根据判断结果判定所述待检测设备是否处于异常状态。
[0032]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0033]获取待检测设备的状态数据，其中，所述获取数据包括多次采集的状态参数；
[0034]对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；
[0035]获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；
[0036]根据判断结果判定所述待检测设备是否处于异常状态。
[0037]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0038]获取待检测设备的状态数据；
[0039]对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；
[0040]获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各
时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；
[0041]根据判断结果判定所述待检测设备是否处于异常状态。
[0042]上述设备异常检测方法、装置、计算机设备和存储介质，通过获取例如分子束外延设备的待检测设备的状态数据，并对获取数据进行预处理，可得到时序分类的时序状态参数，将所述时序状态参数作为输入数据，通过异常检测算法得到与时序状态参数时序对应的时序状态特征参数，时序状态特征参数用于反映待检测设备的运行状态特征，然后通过对预定时间段内各时间节点的所述时序状态特征参数进行异常分析，根据判断结果可确定各时间节点的待检测设备的状态是否异常，从而确定待检测设备是否处于异常状态，进而自动实现对待检测设备的异常检测；异常检测过程无需工作人员参与，避免了人工检测随检测时间增加而出现的错检概率和漏检概率上升的问题，稳定性和准确性较高，并降低了工作人员的工作量。
附图说明
[0043]为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
[0044]图1为一个实施例中设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备异常检测方法，包括：获取待检测设备的状态数据，其中，所述获取数据包括多次采集的状态参数；对获取数据进行预处理，得到时序分类的时序状态参数，根据时序状态参数及异常检测算法得到时序状态特征参数，其中，同类的所述时序状态参数对应同一时间节点；获取预定时间段的各时间节点的所述时序状态特征参数，以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常，其中，所述预定时间段以当前时间点为结束节点；根据判断结果判定所述待检测设备是否处于异常状态。2.根据权利要求1所述的方法，其特征在于，所述对获取数据进行预处理包括：对获取数据进行归一化处理、降噪处理和时间校正处理；以时间为分类标准对处理后的获取数据进行时序分类。3.根据权利要求2所述的方法，其特征在于，所述时间校正处理包括：将同次采集的状态参数的记录采集时间以预设规则校正至相同值。4.根据权利要求1所述的方法，其特征在于，所述以预设算法对获取的各时间节点的所述时序状态特征参数进行分析，判断各时间节点的所述时序状态特征参数是否异常包括：根据各时间节点的所述时序状态特征参数得到对应时间节点的时序评价指标，其中，所述时序评价指标用于表征所述时序状态特征参数与预设的正常状态特征参数均值的差异度；根据各时间节点的所述时序评价指标判断对应的时序状态特征参数是否异常。5.根据权利要求4所述的方法，其特征在于，所述根据各时间节点的所述时序状态特征参数得到对应时间节点的时序评价指标的公式为：其中，E表示所述时序评价指标，Y
j
表示所述时序状态特征参数，表示所述正常状态特征参数均值，j表示所述时序状...

【专利技术属性】
技术研发人员：许翔，倪健，薛聪，
申请(专利权)人：迪希埃北京半导体技术有限公司，
类型：发明
国别省市：