故障检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种故障检测方法、装置、电子设备及存储介质，涉及计算机技术领域，该方法包括：获取检测目标的待检测电流数据和模型训练数据，模型训练数据包括正常电流数据和微故障电流数据；根据正常电流数据和微故障电流数据训练预设分析模型，生成故障检测模型；根据故障检测模型对待检测电流数据进行检测，获得检测结果，以控制在检测目标的检测结果为微故障时进行预警。本实施例提供的方案，故障检测模型能够对检测目标处于微故障状态时进行识别，通过对检测目标的微故障状态进行及时反馈，便于运维人员对检测目标进行及时检修，避免检测目标发生严重故障，取到了预先解决检测目标的安全隐患，提高检测目标安全运行率的有益效果。率的有益效果。率的有益效果。

【技术实现步骤摘要】
故障检测方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及故障检测方法、装置、电子设备及存储介质。

技术介绍

[0002]对硬件设备进行故障检测是设备运行不可缺少的一环。比如，对地铁车站内电控门的状态进行检测，以防止在电控门故障(打不开或关不住)时影响乘客安全以及地铁的正常运行。
[0003]现有对电控门进行检测的方案一般为，基于传感器采集电控门的信号并设置信号阈值，以根据与信号阈值的比对情况确定是否发生故障。例如，采集单位时间内电控门的开合速度信号，若速度较慢，则确定电控门故障。
[0004]根据上述检测结果进行故障预警时，往往故障已经相对严重，存在故障反馈不灵敏的问题，以致存在安全隐患，影响地铁的正常运营。

技术实现思路

[0005]本专利技术实施例提供一种故障检测方法、装置、电子设备及存储介质，能够改善现有针对硬件设备是否发生故障进行检测的方案。
[0006]第一方面，本专利技术实施例提供一种故障检测方法，包括：
[0007]获取检测目标的待检测电流数据和模型训练数据，所述模型训练数据包括正常电流数据和微故障电流数据；
[0008]根据所述正常电流数据和所述微故障电流数据训练预设分析模型，生成故障检测模型；
[0009]根据所述故障检测模型对所述待检测电流数据进行检测，获得检测结果，以控制在所述检测目标的检测结果为微故障时进行预警。
[0010]可选地，所述根据所述正常电流数据和所述微故障电流数据训练预设分析模型，生成故障检测模型，包括：
[0011]对所述正常电流数据和所述微故障电流数据进行特征提取，获得目标特征矩阵，所述目标特征矩阵包含多个目标特征数据；
[0012]根据多个所述目标特征数据训练所述预设分析模型，生成所述故障检测模型
[0013]可选地，
[0014]所述正常电流数据和所述微故障电流数据分别包含多组电流数据，每组所述电流数据由多个采样点对应的电流数据组成；
[0015]所述对所述正常电流数据和所述微故障电流数据进行特征提取，获得目标特征矩阵，包括：
[0016]对多组所述电流数据进行特征提取，获得初始特征矩阵；
[0017]使用预设筛选条件筛选所述初始特征矩阵，获得所述目标特征矩阵。
[0018]可选地，
[0019]所述对多组所述电流数据进行特征提取，获得初始特征矩阵，包括：
[0020]对每组电流数据中的当前采样点对应的电流数据和上一采样点对应的电流数据依次进行差分运算，获得多组初始特征数据集，每组所述初始特征数据集中包括多个初始特征数据，每个所述初始特征数据对应一个采样维度；
[0021]根据所述多组初始特征数据集和所述采样维度获得所述初始特征矩阵。
[0022]可选地，所述预设筛选条件包括第一筛选条件和第二筛选条件；
[0023]所述使用预设筛选条件筛选所述初始特征矩阵，获得所述目标特征矩阵，包括：
[0024]使用所述第一筛选条件计算所述初始特征矩阵中每一采样维度的方差值；
[0025]将所述方差值小于预设数值的采样维度剔除，获得第一特征矩阵；
[0026]使用第二筛选条件依次计算所述第一特征矩阵中当前采样维度和下一采样维度的相关性，获得相关性数值；
[0027]将所述相关性数值大于预设数值的所述当前采样维度或所述下一采样维度剔除，获得所述目标特征矩阵。
[0028]可选地，所述微故障电流数据通过以下方式获取：
[0029]控制所述检测目标倾斜预设角度，并控制所述检测目标在所述预设角度下运行，获得所述微故障电流数据。
[0030]可选地，在所述检测目标的初始检测结果为微故障之后，所述方法还包括：
[0031]在所述故障检测模型对所述检测目标连续次数的检测结果均为微故障时，则确定所述检测目标的目标检测结果为微故障。
[0032]第二方面，本专利技术实施例提供一种故障检测装置，所述装置包括：
[0033]数据获取模块，用于获取检测目标的待检测电流数据和模型训练数据，所述模型训练数据包括正常电流数据和微故障电流数据；
[0034]模型训练模块，用于根据所述正常电流数据和所述微故障电流数据训练预设分析模型，生成故障检测模型；
[0035]数据检测模块，用于根据所述故障检测模型对所述待检测电流数据进行检测，获得检测结果，以控制在所述检测目标的检测结果为微故障时进行预警。
[0036]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0037]至少一个处理器；以及
[0038]与所述至少一个处理器通信连接的存储器；其中，
[0039]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的故障检测方法。
[0040]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的故障检测方法。
[0041]本专利技术实施例的故障检测方案，首先获取检测目标的待检测电流数据和模型训练数据，模型训练数据包括正常电流数据和微故障电流数据；根据正常电流数据和微故障电流数据训练预设分析模型，生成故障检测模型；根据故障检测模型对待检测电流数据进行
检测，获得检测结果，以控制在检测目标的检测结果为微故障时进行预警。本实施例提供的技术方案，故障检测模型能够对检测目标处于微故障状态时进行识别，解决了现有方案中故障检测不及时的问题，通过对检测目标的微故障状态进行及时反馈，便于运维人员对检测目标进行及时检修，避免检测目标发生严重故障，取到了预先解决检测目标的安全隐患，提高检测目标安全运行率的有益效果。
[0042]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术实施例的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0043]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0044]图1是本专利技术实施例提供的故障检测方法的一个流程示意图；
[0045]图2是本专利技术实施例提供的故障检测方法的另一流程示意图；
[0046]图3是本专利技术实施例提供的故障检测装置的一个结构示意图；
[0047]图4是本专利技术实施例提供的电子设备的一个结构示意图。
具体实施方式
[0048]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种故障检测方法，其特征在于，所述方法包括：获取检测目标的待检测电流数据和模型训练数据，所述模型训练数据包括正常电流数据和微故障电流数据；根据所述正常电流数据和所述微故障电流数据训练预设分析模型，生成故障检测模型；根据所述故障检测模型对所述待检测电流数据进行检测，获得检测结果，以控制在所述检测目标的检测结果为微故障时进行预警。2.根据权利要求1所述的方法，其特征在于，所述根据所述正常电流数据和所述微故障电流数据训练预设分析模型，生成故障检测模型，包括：对所述正常电流数据和所述微故障电流数据进行特征提取，获得目标特征矩阵，所述目标特征矩阵包含多个目标特征数据；根据多个所述目标特征数据训练所述预设分析模型，生成所述故障检测模型。3.根据权利要求2所述的方法，其特征在于，所述正常电流数据和所述微故障电流数据分别包含多组电流数据，每组所述电流数据由多个采样点对应的电流数据组成；所述对所述正常电流数据和所述微故障电流数据进行特征提取，获得目标特征矩阵，包括：对多组所述电流数据进行特征提取，获得初始特征矩阵；使用预设筛选条件筛选所述初始特征矩阵，获得所述目标特征矩阵。4.根据权利要求3所述的方法，其特征在于，所述对多组所述电流数据进行特征提取，获得初始特征矩阵，包括：对每组电流数据中的当前采样点对应的电流数据和上一采样点对应的电流数据依次进行差分运算，获得多组初始特征数据集，每组所述初始特征数据集中包括多个初始特征数据，每个所述初始特征数据对应一个采样维度；根据所述多组初始特征数据集和所述采样维度获得所述初始特征矩阵。5.根据权利要求4所述的方法，其特征在于，所述预设筛选条件包括第一筛选条件和第二筛选条件；所述使用预设筛选条件筛选所述初始特征矩阵，获得所述目标特征矩阵，包括：使用所述第一筛选条件计算所述初始...

【专利技术属性】
技术研发人员：杨乐天，王玥邈，贾建平，
申请(专利权)人：广州新科佳都科技有限公司，
类型：发明
国别省市：