设备故障诊断方法、装置、电子设备及计算机存储介质制造方法及图纸

本申请提供一种设备故障诊断方法、装置、电子设备及计算机存储介质，该方法包括：确定采集到的设备数据集，通过时序异常检测模型对设备数据集进行检测，得到异常时序数据集和正常时序数据集；通过时序分类模型对异常时序数据集和正常时序数据集进行分类，得到不可识别时序数据集和可识别时序数据集；基于可识别时序数据集确定第一模式库，基于专家经验库对不可识别时序数据集进行标注，得到第二模式库；基于第一模式库和第二模式库，确定设备数据集的故障诊断模式库，以通过故障诊断模式库进行设备故障诊断。本申请实施例提供的设备故障诊断方法通过时序异常检测模型和时序分类模型结合专家经验库确定故障诊断模式库，提高了故障诊断的准确性。障诊断的准确性。障诊断的准确性。

【技术实现步骤摘要】
设备故障诊断方法、装置、电子设备及计算机存储介质


[0001]本申请涉及人工智能
，尤其涉及一种设备故障诊断方法、装置、电子设备及计算机存储介质。

技术介绍

[0002]在设备故障诊断的过程中，主要的故障诊断方法是基于主流的人工智能的故障诊断方法。然而，基于主流的人工智能的故障诊断方法存在着以下技术缺陷：第一，算法模块对于未出现在训练集的异常信号的检测能力不足。第二，故障分类模型的分类能力并没有被科学正确的评估。第三，针对电流信号的特征提取，没有考虑电流信号的时序特性。由此可知，单纯的应用人工智能进行故障诊断，存在着分类能力没有被科学评估、分类类别不完整、特殊数据被忽略等问题，从而导致了故障诊断的准确性低。

技术实现思路

[0003]本申请提供一种设备故障诊断方法、装置、电子设备及计算机存储介质，旨在提高故障诊断的准确性。
[0004]第一方面，本申请提供一种设备故障诊断方法，包括：
[0005]确定采集到的设备数据集，并通过时序异常检测模型对所述设备数据集进行检测，得到异常时序数据集和正常时序数据集；...

【技术保护点】

【技术特征摘要】
1.一种设备故障诊断方法，其特征在于，包括：确定采集到的设备数据集，并通过时序异常检测模型对所述设备数据集进行检测，得到异常时序数据集和正常时序数据集；通过时序分类模型对所述异常时序数据集和所述正常时序数据集进行分类，得到不可识别时序数据集和可识别时序数据集；基于所述可识别时序数据集确定第一模式库，并基于专家经验库对所述不可识别时序数据集进行标注，得到第二模式库；基于所述第一模式库和所述第二模式库，确定所述设备数据集的故障诊断模式库，以通过所述故障诊断模式库进行设备故障诊断；其中，所述时序异常检测模型和所述时序分类模型是基于所述专家经验库标注过的样本数据训练得到的。2.根据权利要求1所述的设备故障诊断方法，其特征在于，所述基于专家经验库对所述不可识别时序数据集进行标注，得到第二模式库，包括：确定异常分数表中异常程度最高的预设条样本数据；根据时序匹配算法结合所述预设条样本数据，在故障数据模式库中匹配出相似度最高的多条故障模式；基于所述专家经验库结合多条所述故障模式对所述不可识别时序数据集进行标注，得到不可识别异常时序数据集的类型模式及其模式编号，与不可识别正常时序数据集的类型模式及其模式编号；根据所述不可识别异常时序数据集的类型模式及其模式编号，和所述不可识别正常时序数据集的类型模式及其模式编号，确定所述第二模式库。3.根据权利要求1所述的设备故障诊断方法，其特征在于，所述通过时序异常检测模型对所述设备数据集进行检测，得到异常时序数据集和正常时序数据集，包括：确定所述设备数据集中每一路时序数据的统计特征，并根据每一路所述时序数据的统计特征确定统计特征表；通过统计学习异常检测算法结合所述统计特征表，计算每一路所述时序数据的异常分数；根据每一路所述时序数据的异常分数，确定所述异常时序数据集和所述正常时序数据集。4.根据权利要求1所述的设备故障诊断方法，其特征在于，所述通过时序分类模型对所述异常时序数据集和所述正常时序数据集进行分类，得到不可识别时序数据集和可识别时序数据集，包括：通过所述时序分类模型对所述异常时序数据集进行分类，得到不可识别异常时序数据集和可识别异常时序数据集；通过所述时序分类模型对所述正常时序数据集进行分类，得到不可识别正常时序数据集和可识别正常时序数据集；将所述不可识别异常时序数据集和所述不可识别正常时序数据集，确定为所述不可识别时序数据集；将所述可识别异常时序数据集和所述可识别正常时序数据集，确定为所述可识别时序
数据集。5.根据权利要求4所述的设备故障诊断方法，其特征在于，所述基于所述可识别时序数据集确定...

【专利技术属性】
技术研发人员：付哲，肖骁，
申请(专利权)人：交控科技股份有限公司，
类型：发明
国别省市：