压力机预警方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种压力机预警方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体涉及深度学习和计算机视觉技术领域。具体实现方案为：采集与参考时间信息对应的实际运行数据，其中，实际运行数据包括：压力机运行参数的多个候选参数值；从多个候选参数值中，确定目标参数值；以及根据参考时间信息和目标参数值，确定预测参数信息，其中，预测参数信息用于对压力机进行预警。能够支持对压力机未来运行参数的情况进行有效预测，从而有效提升压力机预警效果。机预警效果。机预警效果。

【技术实现步骤摘要】
压力机预警方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，具体涉及深度学习和计算机视觉
，尤其涉及一种压力机预警方法、装置、电子设备及存储介质。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术，以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]压力机在汽车制造领域中有着广泛的应用。相关技术中，在压力机运行过程中，由于外部环境的变化、操作不当以及零件老化等原因，可能会导致一些安全隐患事件的发生。

技术实现思路

[0004]本公开提供了一种压力机预警方法、装置、电子设备、存储介质及计算机程序产品。
[0005]根据本公开的第一方面，提供了一种压力机预警方法，包括：采集与参考时间信息对应的实际运行数据，其中，所述实际运行数据包括：压力机运行参数的多个候选参数值；从所述多个候选参数值中，确定目标参数值；以及根据所述参考时间信息和所述目标参数值，确定预测参数信息，其中，所述预测参数信息用于对所述压力机进行预警。
[0006]根据本公开的第二方面，提供了一种压力机预警装置，包括：采集模块，用于采集与参考时间信息对应的实际运行数据，其中，所述实际运行数据包括：压力机运行参数的多个候选参数值；第一确定模块，用于从所述多个候选参数值中，确定目标参数值；以及第二确定模块，用于根据所述参考时间信息和所述目标参数值，确定预测参数信息，其中，所述预测参数信息用于对所述压力机进行预警。
[0007]根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开第一方面实施例的压力机预警方法。
[0008]根据本公开的第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本公开第一方面实施例的压力机预警方法。
[0009]根据本公开的第五方面，提出了一种计算机程序产品，包括计算机程序，当计算机程序由处理器执行时实现本公开第一方面实施例的压力机预警方法。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开第一实施例的示意图；
[0013]图2是根据本公开第二实施例的示意图；
[0014]图3是根据本公开第三实施例的示意图；
[0015]图4a是本公开一实施例中初始序列预测模型的网络结构示意图；
[0016]图4b是本公开另一实施例中初始序列预测模型的网络结构示意图；
[0017]图4c是本公开另一实施例中初始序列预测模型的网络结构示意图；
[0018]图5是根据本公开第四实施例的示意图；
[0019]图6是根据本公开第五实施例的示意图；
[0020]图7示出了可以用来实施本公开的实施例的压力机预警方法的示例电子设备的示意性框图。
具体实施方式
[0021]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0022]图1是根据本公开第一实施例的示意图。
[0023]需要说明的是，本实施例的压力机预警方法的执行主体为压力机预警装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
[0024]本公开实施例涉及人工智能
，具体涉及深度学习和计算机视觉
，。
[0025]其中，人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
[0026]深度学习，是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
[0027]计算机视觉，是由计算机模拟人类的视觉过程，具有感受环境的能力和人类视觉功能的技术。是图像处理、人工智能和模式识别等技术的综合。主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，以用于实际检测、测量和控制。
[0028]相关技术中，在压力机运行过程中，由于外部环境的变化、操作不当以及零件老化等原因，可能会导致一些安全隐患事件的发生。因此，有必要对压力机未来一段时间内运行参数的情况进行预测。
[0029]由此，本公开实施例中提供的压力机预警方法，通过采集与参考时间信息对应的实际运行数据，其中，实际运行数据包括：压力机运行参数的多个候选参数值，并从多个候选参数值中，确定目标参数值，以及根据参考时间信息和目标参数值，确定预测参数信息，
其中，预测参数信息用于对压力机进行预警，能够支持对压力机未来运行参数的情况进行有效预测，从而有效提升压力机预警效果。
[0030]如图1所示，该压力机预警方法，包括：
[0031]S101：采集与参考时间信息对应的实际运行数据，其中，实际运行数据包括：压力机运行参数的多个候选参数值。
[0032]其中，参考时间信息，可以用于描述压力机运行过程中已经过的一段时间，该参考时间信息可以用于对压力机未来运行参数的情况进行预测，参考时间信息比如，一分钟、一个小时、一个半小时等，对此不做限制。
[0033]其中，实际运行数据，是指压力机运行过程中实际所产生的运行数据；运行参数，是指压力机的运行数据中所涉及的一些参数，比如运行温度、加速度等；候选参数值，是指真实所测定的运行参数对应的参数值，具体例如温度值、加速度值、速度值等，当对一段时间内的运行参数的候选参数值进行测定时，会测定得到若干个候选参数值。
[0034]本公开实施例中，为了避免引入过多预测数据量，可以采集与参考时间信息对应的实际运行数据，例如，可以采集该参考时间信息指示的时长内的实际运行数据，以作为预测未来运行参数的情况的参考数据。
[0035]举例而言，采集1个小时内压力机的运行数据，如果运行数据是连续的，则可以基于一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种压力机预警方法，所述方法包括：采集与参考时间信息对应的实际运行数据，其中，所述实际运行数据包括：压力机运行参数的多个候选参数值；从所述多个候选参数值中，确定目标参数值；以及根据所述参考时间信息和所述目标参数值，确定预测参数信息，其中，所述预测参数信息用于对所述压力机进行预警。2.根据权利要求1所述的方法，其中，所述从所述多个候选参数值中，确定目标参数值，包括：确定所述多个候选参数值之间的变化趋势信息；根据所述变化趋势信息，从所述多个候选参数值中确定峰值参数值，并将所述峰值参数值作为所述目标参数值。3.根据权利要求1所述的方法，其中，所述从所述多个候选参数值中，确定目标参数值，包括：从所述多个候选参数值中，确定属于相同周期的部分候选参数值；根据所述部分候选参数值，生成运行参数的有效参数值，并将所述运行参数的有效参数值作为所述目标参数值。4.根据权利要求1
‑
3任一项所述的方法，所述目标参数值的数量是多个；其中，所述根据所述参考时间信息和所述目标参数值，确定预测参数信息，包括：根据多个所述目标参数值和所述参考时间信息，生成目标参数序列；确定与所述目标参数序列对应的目标序列特征；以及根据所述目标序列特征，确定所述预测参数信息。5.根据权利要求4所述的方法，其中，所述确定与所述目标参数序列对应的目标序列特征，包括：对所述目标参数序列进行频域变换，得到目标频域序列；确定与所述目标频域序列对应的频域序列特征，并将所述频域序列特征作为所述目标序列特征。6.根据权利要求4所述的方法，其中，所述根据所述目标序列特征，确定所述预测参数信息，包括：根据所述目标序列特征，确定与预测时间信息对应的预测参数序列，其中，所述预测参数序列包括：压力机运行参数的至少一个预测参数值；将所述预测时间信息和所述至少一个预测参数值作为所述预测参数信息。7.根据权利要求6所述的方法，其中，所述根据所述目标序列特征，确定与预测时间信息对应的预测参数序列，包括：将所述目标序列特征输入至目标序列预测模型之中，得到所述目标序列预测模型输出的参数序列，以及与所述输出的参数序列对应的时间信息；将所述输出的参数序列作为所述预测参数序列，并将所述对应的时间信息作为所述预测时间信息；其中，所述目标序列预测模型已学习到所述目标序列特征和所述与预测时间信息对应的预测参数序列之间的映射关系。
8.根据权利要求7所述的方法，基于以下方式训练得到所述目标序列预测模型：获取压力机的样本序列特征，其中，所述样本序列特征，是从所述压力机的样本运行数据中确定样本参数值，并根据所述样本参数值和与所述样本运行数据对应的样本时间信息形成初始参数序列，以及对所述初始参数序列进行频域变换所得到的序列特征；确定与所述样本序列特征对应的标注时间信息，以及与所述标注时间信息对应的标注参数序列；将所述样本序列特征输入至初始序列预测模型之中，得到所述初始序列预测模型输出的样本参数序列，以及与所述样本参数序列对应的时间信息；确定所述样本序列特征、所述样本参数序列、所述样本时间信息，以及与所述样本参数序列对应的时间信息之间的初始损失信息；以及根据所述初始损失信息对所述初始序列预测模型进行迭代训练，直至基于迭代训练所得序列预测模型确定的损失信息满足损失条件，将所述迭代训练所得序列预测模型作为所述目标序列预测模型。9.根据权利要求1所述的方法，所述预测参数信息包括：预测时间信息和预测参数值；所述方法还包括：获取与所述预测时间信息对应的参数阈值；确定所述预测参数值和所述参数阈值之间的比对结果信息；以及根据所述比对结果信息，对所述压力机进行预警。10.一种压力机预警装置，所述装置包括：采集模块，用于采集与参考时间信息对应的实际运行数据，其中，所述实际运行数据包括：压力机运行参数的多个候选参数值；第一确定模块，用于从所述多个候选参数值中，确定目标参数值；以及第二确定模块，用于根据所述参考时间信息和所述目标参数值，确定预测参数信息...

【专利技术属性】
技术研发人员：于凯泽，解鑫，宋稳丽，刘天源，陈凯，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：