本发明专利技术提供一种烹饪设备故障预测方法和装置，包括：基于数字孪生技术建立与烹饪设备相对应的虚拟烹饪设备；获取所述虚拟烹饪设备的运行数据；输入所述虚拟烹饪设备的运行数据至故障预测模型，获得所述故障预测模型输出的故障预测结果，其中，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到。本发明专利技术提供的烹饪设备故障预测方法和装置，基于数字孪生技术建立虚拟烹饪设备，对虚拟烹饪设备进行故障预测进而实现对烹饪设备的故障预测。故障预测进而实现对烹饪设备的故障预测。故障预测进而实现对烹饪设备的故障预测。
【技术实现步骤摘要】
烹饪设备故障预测方法和装置
[0001]本专利技术涉及烹饪设备
，尤其涉及一种烹饪设备故障预测方法和装置。
技术介绍
[0002]随着烹饪设备智能化程度的提升，烹饪设备中的零部件的数量也在逐步增加，因此，烹饪设备出现故障的概率大大提升。若在烹饪设备发生故障后才对其进行维修，则会消耗较高的财力，所以有必要对烹饪设备进行故障预测。然而现有的烹饪设备大多依靠预先设定的故障预警规则进行定性的故障预测，还没有一种基于数字孪生系统对烹饪设备进行故障预测的技术方案。
技术实现思路
[0003]本专利技术提供一种烹饪设备故障预测方法和装置，用以解决现有技术中烹饪设备大多依靠预先设定的故障预警规则进行定性的故障预测，还没有基于数字孪生系统对烹饪设备进行故障预测的技术方案的缺陷。
[0004]本专利技术提供一种烹饪设备故障预测方法，包括：
[0005]基于数字孪生技术建立与烹饪设备相对应的虚拟烹饪设备；
[0006]获取所述虚拟烹饪设备的运行数据；
[0007]输入所述虚拟烹饪设备的运行数据至故障预测模型，获得所述故障预测模型输出的故障预测结果，其中，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到。
[0008]根据本专利技术提供的一种烹饪设备故障预测方法，所述获取所述虚拟烹饪设备的运行数据，包括：
[0009]获取所述烹饪设备的运行数据；
[0010]将所述烹饪设备的运行数据加载于所述虚拟烹饪设备，得到所述虚拟烹饪设备的运行数据。
[0011]根据本专利技术提供的一种烹饪设备故障预测方法，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到，包括：
[0012]所述故障预测模型基于所述烹饪设备的历史故障数据对贝叶斯网络训练得到，包括：
[0013]将所述烹饪设备的历史故障数据划分为训练集和测试集，对训练集进行数据预处理，得到故障特征集；
[0014]对所述故障特征集进行聚类分析，得到故障事项集，根据所述故障事项集生成关联规则；其中，所述根据所述故障事项集生成关联规则的步骤包括从所述故障事项集中提取频繁事项，频繁事项指的是发生频次大于等于设定阈值的事项，然后根据所述频繁事项形成关联规则；
[0015]根据所述关联规则映射至静态贝叶斯网络，设定所述静态贝叶斯网络的参数值，得到初始故障预测模型；
[0016]基于所述测试集对所述初始故障预测模型进行测试，若所述初始故障预测模型的输出误差大于或等于设定值，则调整所述初始故障预测模型的参数值，直至所述初始故障预测模型的输出误差低于设定值，得到故障预测模型。
[0017]根据本专利技术提供的一种烹饪设备故障预测方法，所述故障预测结果包括故障预测概率列表和故障原因概率列表。
[0018]根据本专利技术提供的一种烹饪设备故障预测方法，还包括：
[0019]输入所述故障预测结果至故障预测判定模型，获得所述故障预测判定模型输出的故障预测判定结果，其中，所述故障预测判定模型基于预设的故障和预设的故障原因训练得到。
[0020]根据本专利技术提供的一种烹饪设备故障预测方法，还包括：
[0021]根据所述烹饪设备的历史故障数据、所述故障预测判定结果、所述预设的故障和预设的故障原因对所述故障预测模型进行调整。
[0022]本专利技术还提供一种烹饪设备故障预测装置，包括：
[0023]建立模块，用于基于数字孪生技术建立与烹饪设备相对应的虚拟烹饪设备；
[0024]获取模块，用于获取所述虚拟烹饪设备的运行数据；
[0025]预测模块，用于输入所述虚拟烹饪设备的运行数据至故障预测模型，获得所述故障预测模型输出的故障预测结果，其中，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到。
[0026]本专利技术还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述烹饪设备故障预测方法。
[0027]本专利技术还提供一种非暂态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所述烹饪设备故障预测方法。
[0028]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现所述烹饪设备故障预测方法。
[0029]本专利技术提供的烹饪设备故障预测方法和装置，基于数字孪生技术建立虚拟烹饪设备，对虚拟烹饪设备进行故障预测进而实现对烹饪设备的故障预测。
附图说明
[0030]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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。
[0031]图1是本专利技术实施例提供的烹饪设备故障预测方法的流程示意图；
[0032]图2是本专利技术实施例提供的图1中步骤S120的流程示意图；
[0033]图3是本专利技术实施例提供的故障预测模型的训练流程示意图；
[0034]图4是本专利技术实施例提供的烹饪设备故障预测装置的结构示意图；
[0035]图5是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0036]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0038]图1是本专利技术实施例提供的烹饪设备故障预测方法的流程示意图，参照图1，本专利技术提供一种烹饪设备故障预测方法，包括：
[0039]S110，基于数字孪生技术建立与烹饪设备相对应的虚拟烹饪设备；
[0040]S120，获取所述虚拟烹饪设备的运行数据；
[0041]S130，输入所述虚拟烹饪设备的运行数据至故障预测模型，获得所述故障预测模型输出的故障预测结果，其中，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到。
[0042]在步骤S110中，基于数字孪生技术建立与烹饪设备相对应的虚拟烹饪设备，根据数字孪生技术的特点可知，虚拟烹饪设备是在数据空间对物理空间的烹饪设备的映射，可以为烹饪设本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种烹饪设备故障预测方法，其特征在于，包括：基于数字孪生技术建立与烹饪设备相对应的虚拟烹饪设备；获取所述虚拟烹饪设备的运行数据；输入所述虚拟烹饪设备的运行数据至故障预测模型，获得所述故障预测模型输出的故障预测结果，其中，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到。2.根据权利要求1所述的烹饪设备故障预测方法，其特征在于，所述获取所述虚拟烹饪设备的运行数据，包括：获取所述烹饪设备的运行数据；将所述烹饪设备的运行数据加载于所述虚拟烹饪设备，得到所述虚拟烹饪设备的运行数据。3.根据权利要求1所述的烹饪设备故障预测方法，其特征在于，所述故障预测模型基于所述烹饪设备的历史故障数据训练得到，包括：所述故障预测模型基于所述烹饪设备的历史故障数据对贝叶斯网络训练得到，包括：将所述烹饪设备的历史故障数据划分为训练集和测试集，对训练集进行数据预处理，得到故障特征集；对所述故障特征集进行聚类分析，得到故障事项集，根据所述故障事项集生成关联规则；其中，所述根据所述故障事项集生成关联规则的步骤包括从所述故障事项集中提取频繁事项，频繁事项指的是发生频次大于等于设定阈值的事项，然后根据所述频繁事项形成关联规则；根据所述关联规则映射至静态贝叶斯网络，设定所述静态贝叶斯网络的参数值，得到初始故障预测模型；基于所述测试集对所述初始故障预测模型进行测试，若所述初始故障预测模型的输出误差大于或等于设定值，则调整所述初始故障预测模型的参数值，直至所述初始故障预测模型的输出误差低于设定值，得到故障预测模型。4.根据权利...
【专利技术属性】
技术研发人员：傅峰峰，林麟琪，
申请(专利权)人：广州富港生活智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。