一种基于机器学习对工业硬件进行故障检测的方法及系统技术方案

本发明专利技术公开一种基于机器学习对工业硬件进行故障检测的方法及系统，涉及故障检测技术领域，其实现包括：采集工业硬件运行产生的历史数据和最新数据；基于工业硬件发生故障的频率，设定频率阈值，小于频率阈值的历史数据作为一类故障数据，大于频率阈值的历史数据作为二类故障数据；构建一类故障模型，使用一类故障数据训练一类故障模型，完成参数调整；使用聚类方法对二类故障数据进行聚类，根据工业硬件工作状态及聚类结果进行故障分类；构建分类模型，以二类故障数据和工业硬件工作状态作为输入，以故障分类结果作为输出，训练分类模型；最新数据依次输入训练完成的一类故障模型和分类模型，完成故障类型判断。本发明专利技术可以检测并判断故障类型。并判断故障类型。并判断故障类型。

【技术实现步骤摘要】
一种基于机器学习对工业硬件进行故障检测的方法及系统


[0001]本专利技术涉及故障检测
，具体的说是一种基于机器学习对工业硬件进行故障检测的方法及系统。

技术介绍

[0002]目前，人工智能物联网技术逐渐兴起，越来越多的工业硬件都可以找到相应的传感器去监测其工作状态。
[0003]目前，主流的监测手段是用传感器监测硬件的各项指标，并且为各项指标划定安全范围，若传感器上传的数据超出所设定的安全范围，则发出安全警报。然而，这种方法在检测时只是针对单一变量，并没有将各个变量建立联系；其次，即使是同一个硬件，但是由于其安放的地点不一样，其安全范围也会不一样。因此，针对性地设置安全范围较为困难。

技术实现思路

[0004]本专利技术针对目前技术发展的需求和不足之处，提供一种基于机器学习对工业硬件进行故障检测的方法及系统。
[0005]首先，本专利技术提供一种基于机器学习对工业硬件进行故障检测的方法，解决上述技术问题采用的技术方案如下：
[0006]一种基于机器学习对工业硬件进行故障检测的方法，其实现内容包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习对工业硬件进行故障检测的方法，其特征在于,其实现内容包括：步骤S1、针对同类型的工业硬件，采集不同工业硬件运行产生的历史数据；步骤S2、基于工业硬件发生故障的频率，设定频率阈值，将小于频率阈值的工业硬件历史数据作为一类故障数据，将大于频率阈值的工业硬件历史数据作为二类故障数据；步骤S3、构建基于DBSCAN算法和孤立森林算法的一类故障模型，使用一类故障数据训练一类故障模型，完成参数调整，得到训练完成的一类故障模型；步骤S4、使用聚类方法，对二类故障数据进行聚类，专业技术人员根据工业硬件的工作状态及聚类结果进行故障分类，构建分类模型，以二类故障数据和工业硬件的工作状态作为输入，以故障分类结果作为输出，完成分类模型的训练；步骤S5、采集工业硬件运行产生的最新数据，使用训练完成的一类故障模型判断该最新数据是否属于一类故障数据，若属于，则发出告警，若不属于，则将最新数据输入训练完成的分类模型，若训练完成的分类模型输出具体的分类故障，则将最新数据判断为二类故障数据，并发出告警。2.根据权利要求1所述的一种基于机器学习对工业硬件进行故障检测的方法，其特征在于，所述频率阈值包括极小值和极大值；将小于极小值的工业硬件历史数据作为一类故障数据，将大于极大值的工业硬件历史数据作为二类故障数据。3.根据权利要求1所述的一种基于机器学习对工业硬件进行故障检测的方法，其特征在于，执行步骤S4时，使用高斯混合模型、谱聚类和K
‑
means三种聚类方法分别对二类故障数据进行聚类，结合三种聚类方法的结果，专业技术人员再根据工业硬件的工作状态进行故障分类。4.根据权利要求3所述的一种基于机器学习对工业硬件进行故障检测的方法，其特征在于，工业硬件的工作状态包括正常工作状态和故障工作状态；针对二类故障数据的聚类结果，将工业硬件的工作状态作为二类故障数据的标签，加标签后的二类故障数据用作分类模型的输入。5.根据权利要求3所述的一种基于机器学习对工业硬件进行故障检测的方法，其特征在于，利用逻辑回归、随机森林、支持向量机、线性判别分析、二次判别分析、朴素贝叶斯、K最近临近任一种方法，构建分类模型；基于二类故障数据，利用交叉验证的方法，验证所构建分类模...

【专利技术属性】
技术研发人员：李锐，贾永飞，张晖，
申请(专利权)人：浪潮集团有限公司，
类型：发明
国别省市：