故障诊断模型训练、故障诊断方法和装置及作业机械制造方法及图纸

本发明专利技术提供一种故障诊断模型训练、故障诊断方法和装置及作业机械，涉及工程机械技术领域，故障诊断模型训练方法包括：基于作业机械的样本数据，获取样本时段内每一样本时刻对应的样本数据序列，基于稀疏逆协方差矩阵和马尔可夫网络模型，将各样本数据序列划分为至少一个样本集群；获取每一样本集群对应的第一样本标签，基于各第一样本标签，获取样本数据对应的第二样本标签；基于样本数据和第二样本标签，对故障诊断模型进行训练，获得训练好的故障诊断训练模型。本发明专利技术提供的故障诊断模型训练、故障诊断方法和装置及作业机械，能在样本数据的数据量较少的情况下，提升样本数据及对应的标签的质量，训练得到计算精度更高的故障诊断模型。诊断模型。诊断模型。

【技术实现步骤摘要】
故障诊断模型训练、故障诊断方法和装置及作业机械


[0001]本专利技术涉及工程机械
，尤其涉及一种故障诊断模型训练、故障诊断方法和装置及作业机械。

技术介绍

[0002]作业机械通常是包括机械系统、电气系统、控制系统和液压系统等的机电液一体化的设备。对作业机械进行故障诊断，特别是在作业机械将要或者已经发生故障的情况下及时而准确的进行故障诊断，可以减少作业机械的维修时间，提高维修质量，进而可以确保作业机械中的各装置能够可靠而有效的发挥其功能，提高作业机械在无故障状态下的运行时长，保证作业机械的可靠运行，使作业机械发挥最大效益。
[0003]现有技术中，可以基于作业机械的历史状态数据以及人工智能技术，通过训练得到可以用于描述状态数据与故障类型之间映射关系的故障诊断模型，实现对作业机械的故障诊断。
[0004]但是，由于作业机械的结构复杂、工况多变且作业过程中易受到外界环境的干扰和冲击，作业机械的历史状态数据通常具有数据量大、维度高、专业性强且混有大量随机噪声等特点。现有的故障诊断模型训练方法中，难以基于作业机械的历史状态数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障诊断模型训练方法，其特征在于，包括：获取作业机械的样本数据，所述样本数据，包括所述作业机械样本时段内目标运行参数的时序数据，所述目标运行参数，包括发动机转速、冷却水温度、液压油泵压力以及液压油温度中的至少一种；基于所述样本数据，获取所述样本时段内每一样本时刻对应的样本数据序列，基于稀疏逆协方差矩阵和马尔可夫网络模型，将各所述样本数据序列划分为至少一个样本集群；获取每一所述样本集群对应的第一样本标签，基于各所述第一样本标签，获取所述样本数据对应的第二样本标签；基于所述样本数据和所述第二样本标签，对故障诊断模型进行训练，获得训练好的故障诊断训练模型；其中，所述第一样本标签用于表征对应样本集群对应的故障诊断结果；所述第二样本标签用于表征所述作业机械样本时段内的故障诊断结果。2.根据权利要求1所述的故障诊断模型训练方法，其特征在于，所述获取每一所述样本集群对应的第一样本标签，具体包括：在所述样本集群中的样本数据包括第一样本数据和第二样本数据的情况下，基于所述样本集群中所述第一样本数据携带的状态标签，获取所述样本集群中所述第二样本数据对应的状态标签；基于所述样本集群中所述第一样本数据携带的状态标签和所述第二样本数据对应的状态标签，获取所述样本集群对应的第一样本标签；其中，所述第一样本数据，为携带有状态标签的样本数据；所述第二样本数据，为未携带状态标签的样本数据；所述状态标签用于表征样本数据对应的工况、故障类型以及故障原因中的至少一种。3.根据权利要求1所述的故障诊断模型训练方法，其特征在于，所述获取每一所述样本集群对应的第一样本标签，具体包括：在所述样本集群中的样本数据仅包括第二样本数据的情况下，对所述样本集群中的所述第二样本数据进行特征提取，获取所述样本集群对应的样本特征数据；基于所述样本集群对应的样本特征数据，获取所述样本集群对应的第一样本标签；其中，所述第二样本数据，为未携带状态标签的样本数据；所述状态标签用于表征样本数据对应的工况、故障类型以及故障原因中的至少一种。4.根据权利要求1所述的故障诊断模型训练方法，其特征在于，所述基于所述样本数据，获取所述样本时段内每一样本时刻对应的样本数据序列，具体包括：对于所述样本时段内的每一样本时刻，截取所述每一样本时刻之前预设时长内的样本数据，作为所述每一样本时刻对应的样本数据序列。5.根据权利要求1至4任一项所述的故障诊断模型训练方法，其特征在于，所述获取...

【专利技术属性】
技术研发人员：胡荣，朱超，朱晓光，袁爱进，闫鑫，罗建华，
申请(专利权)人：上海华兴数字科技有限公司，
类型：发明
国别省市：