一种基于联合学习的设备预测性维护方法及装置制造方法及图纸

本发明专利技术公开了一种基于联合学习的设备预测性维护方法、装置、可读介质及电子设备，该方法包括：获取目标设备的知识图谱；将所述目标设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱确定集成知识图谱；基于接收的所述联合学习中心发送的集成知识图谱，确定故障预测函数；基于所述故障预测函数，获取目标设备出现故障的概率。本发明专利技术提供的技术方案通过联合学习中心，获取到集成知识图谱，利用集成知识图谱获取的目标设备出现故障的概率的准确性更高。的准确性更高。的准确性更高。

A predictive maintenance method and device for equipment based on joint learning

【技术实现步骤摘要】
一种基于联合学习的设备预测性维护方法及装置


[0001]本专利技术涉及能源领域，尤其涉及一种基于联合学习的设备预测性维护方法及装置。

技术介绍

[0002]综合能源系统中存在着大量的设备，各个设备通常都不是独立存在的，任何一个设备出现问题，都可能导致多个设备无法正常工作，因此设备的正常运行是综合能源系统高效运行的前提条件。为了保证设备的正常运行，通常需要对设备进行预测性维护，即在设备还未出现故障前，通过对设备的运行状态进行判断，预测出设备可能出现的故障，目前对在设备进行预测性维护时，常常需要获取大量的样本数据，构建物理模型，然而利用物理模型进行预测时，计算复杂且耗时较长，对于复杂的设备，可能无法获取到设备的物理模型，因此确定一种新的设备预测性维护方法是至关重要的。

技术实现思路

[0003]本专利技术提供了一种基于联合学习的设备预测性维护方法、装置、可读介质及电子设备，通过联合学习中心，获取到集成知识图谱，利用集成知识图谱获取的目标设备出现故障的概率的准确性更高。
[0004]第一方面，本专利技术提供了一种基于联合学习的设备预测性维护方法，包括：
[0005]获取目标设备的知识图谱；
[0006]将所述目标设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱确定集成知识图谱；
[0007]基于接收的所述联合学习中心发送的集成知识图谱，确定故障预测函数；
[0008]基于所述故障预测函数，获取目标设备出现故障的概率。<br/>[0009]优选地，
[0010]所述方法还包括：
[0011]确定目标设备的描述词，所述描述词包括目标设备的设备型号、目标设备的任务类型、目标设备的所在地中的至少一个；
[0012]则，所述将所述目标设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱确定集成知识图谱，包括：
[0013]将携带有所述描述词的知识图谱发送至联合学习中心，以使得联合学习中心基于所述描述词，确定目标数据参与方，并基于所述目标数据参与方发送的知识图谱确定集成知识图谱。
[0014]优选地，
[0015]所述获取目标设备的知识图谱，包括：
[0016]确定目标设备的本地故障数据；
[0017]获取目标设备对应的设备类型的收集故障数据；
[0018]基于所述本地故障数据和所述收集故障数据，确定所述目标设备的知识图谱。
[0019]优选地，
[0020]所述方法还包括：
[0021]确定目标设备的关联设备的知识图谱；
[0022]将所述关联设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱和关联设备的知识图谱，确定集成系统知识图谱；
[0023]基于接收的所述联合学习中心发送的集成系统知识图谱，确定系统出现故障的概率，所述系统包括目标设备和关联设备。
[0024]优选地，
[0025]所述方法还包括：
[0026]确定目标设备的预测故障类型；
[0027]基于所述集成知识图谱，确定所述预测故障类型对应的运维方案；
[0028]若所述运维方案中存在目标配件，则确定所述目标配件的当前库存状态；
[0029]若所述当前库存状态符合预设条件，发送提示信息。
[0030]优选地，
[0031]所述方法还包括：
[0032]确定目标设备的当前运行信息；
[0033]基于所述当前运行信息和所述故障预测函数，确定所述目标设备的故障时间。
[0034]优选地，
[0035]所述基于接收的所述联合学习中心发送的集成知识图谱，确定故障预测函数，包括：
[0036]基于接收的所述联合学习中心发送的集成知识图谱，确定故障树；
[0037]基于所述故障树，确定故障预测函数。
[0038]第二方面，本专利技术提供了一种基于联合学习的设备预测性维护装置，包括：
[0039]图谱获取模块，用于获取目标设备的知识图谱；
[0040]图谱发送模块，用于将所述目标设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱确定集成知识图谱；
[0041]函数确定模块，用于基于接收的所述联合学习中心发送的集成知识图谱，确定故障预测函数；
[0042]概率获取模块，用于基于所述故障预测函数，获取目标设备出现故障的概率。
[0043]第三方面，本专利技术提供了一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如第一方面中任一所述的方法。
[0044]第四方面，本专利技术提供了一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如第一方面中任一所述的方法。
[0045]本专利技术提供了一种基于联合学习的设备预测性维护方法、装置、可读介质及电子设备，该方法通过获取目标设备的知识图谱，并将该知识图谱发送给联合学习中心，联合学习中心接收该知识图谱，并确定多个目标数据参与方，联合学习中心利用多个目标数据参
与方发送的知识图谱确定集成知识图谱，然后将集成知识图谱下发给各个目标数据参与方，目标数据参与方在接收到联合学习中心发送的集成知识图谱后，确定故障预测函数，进而根据该故障预测函数，获取目标设备出现故障的概率。本专利技术提供的技术方案通过联合学习中心将各个目标数据参与方的知识图谱进行集成，获取到集成知识图谱，利用集成知识图谱获取的目标设备出现故障的概率的准确性更高，并且该技术复方案无需获取目标设备的物理模型，即使是复杂的目标设备依然可以利用本专利技术提供的技术方案进行预测性维护。
附图说明
[0046]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有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专利技术的一些实施例，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。
[0047]图1为本专利技术实施例中提供的第一种基于联合学习的设备预测性维护方法的流程示意图；
[0048]图2为本专利技术实施例中提供的第二种基于联合学习的设备预测性维护方法的流程示意图；
[0049]图3为本专利技术实施例中提供的第三种基于联合学习的设备预测性维护方法的流程示意图；
[0050]图4为本专利技术实施例中提供的第四种基于联合学习的设备预测性维护方法的流程示意图；
[0051]图5为本专利技术实施例中提供的第五种基于联合学习的设备预测性维护方法的流程示意图；
[0052]图6为本专利技术实施例中提供的一种基于联合学习的设备预测性维护装置的结构示意图；
[0053]图7为本专利技术实施例中提供的一种电子设备的结构示意图。
具体实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习的设备预测性维护方法，其特征在于，包括：获取目标设备的知识图谱；将所述目标设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱确定集成知识图谱；基于接收的所述联合学习中心发送的集成知识图谱，确定故障预测函数；基于所述故障预测函数，获取目标设备出现故障的概率。2.根据权利要求1所述的基于联合学习的设备预测性维护方法，其特征在于，所述方法还包括：确定目标设备的描述词，所述描述词包括目标设备的设备型号、目标设备的任务类型、目标设备的所在地中的至少一个；则，所述将所述目标设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱确定集成知识图谱，包括：将携带有所述描述词的知识图谱发送至联合学习中心，以使得联合学习中心基于所述描述词，确定目标数据参与方，并基于所述目标数据参与方发送的知识图谱确定集成知识图谱。3.根据权利要求1所述的基于联合学习的设备预测性维护方法，其特征在于，所述获取目标设备的知识图谱，包括：确定目标设备的本地故障数据；获取目标设备对应的设备类型的收集故障数据；基于所述本地故障数据和所述收集故障数据，确定所述目标设备的知识图谱。4.根据权利要求1所述的基于联合学习的设备预测性维护方法，其特征在于，所述方法还包括：确定目标设备的关联设备的知识图谱；将所述关联设备的知识图谱发送至联合学习中心，以使得联合学习中心基于多个目标数据参与方发送的目标设备的知识图谱和关联设备的知识图谱，确定集成系统知识图谱；基于接收的所述联合学习中心发送的集成系统知识图谱，确定系统出现故障的概率，所述系统包括目标设备和关联设备。5.根据权利要求1所述的基于联...

【专利技术属性】
技术研发人员：张燧，徐少龙，金成浩，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：