用于工业设备的故障预测方法、装置、设备及存储介质制造方法及图纸

本申请涉及工业设备故障检测技术领域，公开一种用于工业设备的故障预测方法，应用于工业设备，包括获取所述工业设备的当前模型参数并发送至所述工业设备相关联的服务器，所述当前模型参数由所述工业设备通过第一模型对运行数据进行模型训练获得；获取所述服务器发送的目标模型参数，所述目标模型参数由所述服务器通过第二模型对所述当前模型参数进行模型训练获得并发送至所述工业设备；根据所述目标模型参数，获得预测特征数据；根据所述预测特征数据与所述工业设备的故障特征数据，确定所述工业设备的使用寿命。该方法能够提升工业设备故障预测的精准度。本申请还公开一种用于工业设备的故障预测装置、设备及存储介质。设备及存储介质。设备及存储介质。

【技术实现步骤摘要】
用于工业设备的故障预测方法、装置、设备及存储介质


[0001]本申请涉及工业设备故障检测
，例如涉及一种用于工业设备的故障预测方法、装置、设备及存储介质。

技术介绍

[0002]目前，工业设备造价成本高昂且需要长时间高负荷运作，工业设备间断性出现故障宕机的情况，这使工厂端产生巨额维护费用以及生产损失。为此，需要对工业设备的故障情况进行预测，以在故障发生前对可能出现的故障进行预警。
[0003]传统的工业设备的故障预测方式为采用长短时记忆网络对工业设备的故障进行预测，然而，工业设备通常批量运作，前述的长短时记忆网络通常只对工业设备本地的运行数据进行模型训练，并无法兼顾与该工业设备同类型的其他设备的运行数据，使得模型运行更新所得的数据准确性不够，从而影响工业设备故障预测的精准度。
[0004]在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
[0005]现有的工业设备采用本地模型训练的方式，影响工业设备故障预测的精准度。

技术实现思路

[0006]为了对披露的实施例的一些方面有基本的理解，下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于工业设备的故障预测方法，其特征在于，应用于工业设备，包括：获取所述工业设备的当前模型参数并发送至所述工业设备相关联的服务器，所述当前模型参数由所述工业设备通过第一模型对运行数据进行模型训练获得；获取所述服务器发送的目标模型参数，所述目标模型参数由所述服务器通过第二模型对所述当前模型参数进行模型训练获得并发送至所述工业设备；根据所述目标模型参数，获得预测特征数据；根据所述预测特征数据与所述工业设备的故障特征数据，确定所述工业设备的使用寿命。2.根据权利要求1所述的方法，其特征在于，所述工业设备有多个且多个工业设备的运行数据的类型相同，所述获取所述服务器发送的目标模型参数之前，还包括：所述多个工业设备获取所述服务器发送的建模请求；所述多个工业设备根据所述建模请求，构建建模协议；根据所述服务器发送的初始参数，对所述运行数据进行模型训练，所述初始参数由所述服务器在所述建模协议建立后生成并发送至所述多个工业设备。3.根据权利要求1所述的方法，其特征在于，所述根据所述预测特征数据与所述故障特征数据，确定所述工业设备的使用寿命，包括：提取所述故障特征数据的第一波形特征并提取所述预测数据的第二波形特征；在所述第二波形特征与所述第一波形特征相匹配的情况下，获取携带有所述第二波形特征的目标时刻；将所述目标时刻以及所述第一波形特征对应的时刻的时间差值作为所述工业设备的使用寿命。4.根据权利要求1至3任一项所述的方法，其特征在于，所述第一模型和/或所述第二模型为GRU模型。5.一种用于工业设备的故障预测方法，其特征在于，应用于服务器，包括：通过第二模型对当前模型参数进行模型训练，获得目标模型参数，所述当前模型参数由所述服务器相关联...

【专利技术属性】
技术研发人员：周正，
申请(专利权)人：海尔智家股份有限公司，
类型：发明
国别省市：