本申请提供了一种故障检测方法、装置、电子设备及计算机可读存储介质；所述方法包括：根据印刷机减震器的历史振动数据构造训练集和测试集；将所述训练集输入故障检测模型进行模型训练；基于所述测试集对训练完成的故障检测模型进行测试，若测试结果满足条件，则保存满足条件的故障检测模型；将采集的实时振动数据输入所述故障检测模型中，基于所述故障检测模型预测所述印刷机减震器是否发生故障。本申请提供的基于故障检测方法可以降低人力成本的同时保证印刷机减震器的故障检测的准确率，同时提高印刷机减震器的故障检测的效率。同时提高印刷机减震器的故障检测的效率。同时提高印刷机减震器的故障检测的效率。
【技术实现步骤摘要】
故障检测方法、装置、电子设备及计算机可读存储介质
[0001]本申请涉及机械故障诊断
，尤其涉及一种故障检测方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]在表面组装技术(Surface Mounting Technology，SMT)行业，印刷机是一种重要的生产设备。在印刷过程中，印刷机减震器故障会影响印刷的质量，导致锡膏检测站通过率低。设备工程师一般通过每日巡检印刷机减震器的声音和测量安全间隙来判断故障，这样的做法会导致以下问题的发生：
[0003](1)设备工程师在生产旺季没时间每日巡检，不能确保第一时间发现故障。
[0004](2)没有经验的设备工程师很难准确判断减震器是否发生故障，若固定时间更换减震器，会造成元器件的浪费，使得元器件没有最大化使用。
[0005]因此，如何设计一种基于印刷机减震器的振动数据检测当前印刷机是否发生故障，是本申请研究的关键。
技术实现思路
[0006]本申请实施例提供一种故障检测方法、装置、电子设备及计算机可读存储介质，可以通过获取印刷机减震器的振动数据实现对印刷机减震器的故障检测，降低了人力成本，提高了印刷机减震器的故障检测效率，同时本申请的方法也保证了故障检测的准确率。
[0007]本申请实施例的技术方案是这样实现的：
[0008]第一方面，本申请实施例提供一种故障检测方法，包括：
[0009]根据印刷机减震器的历史振动数据构造训练集和测试集；
[0010]将所述训练集输入故障检测模型进行模型训练；
[0011]基于所述测试集对训练完成的故障检测模型进行测试，若测试结果满足条件，则保存满足条件的故障检测模型；
[0012]将采集的实时振动数据输入所述故障检测模型中，基于所述故障检测模型预测所述印刷机减震器是否发生故障。
[0013]在上述方案中，所述根据印刷机中减震器的历史振动数据构造训练集和测试集，包括：
[0014]根据所述历史振动数据对应的所述印刷机减震器的状态，将所述历史振动数据标记为正常状态的振动数据或故障状态的振动数据；
[0015]将标记完成的历史振动数据分为测试集和训练集；
[0016]对所述训练集进行数据增强。
[0017]在上述方案中，所述对所述训练集进行数据增强，包括：
[0018]以所述训练集中的第一个数据为起始数据，按照第一步长值依次确定不同的起点数据；
[0019]针对每个起点数据，依次获取所述训练集中以所述起点数据为起点的第一数据量的数据；
[0020]将获取到的所有数据确定为数据增强后的训练集。
[0021]在上述方案中，所述将所述训练集输入故障检测模型进行模型训练，包括：
[0022]基于卷积神经网络构建所述故障检测模型；
[0023]配置所述故障检测模型的网络层数、卷积核数目、卷积核大小、非线性激活函数、损失函数、批大小、样本大小和模型迭代次数。
[0024]在上述方案中，所述基于所述测试集对训练完成的故障检测模型进行测试，还包括：
[0025]若测试结果不满足条件，则更改所述故障检测模型的配置；
[0026]基于所述训练集对更改配置后的故障检测模型进行重新训练。
[0027]在上述方案中，所述将采集的实时振动数据输入所述故障检测模型中，所述故障检测模型预测所述印刷机减震器是否发生故障，包括：
[0028]所述故障检测模型基于所述实时振动数据进行故障检测，得到检测结果；
[0029]基于所述检测结果的反馈结果，对所述故障检测模型进行优化。
[0030]在上述方案中，所述基于所述检测结果的反馈结果，对所述故障检测模型进行优化，包括：
[0031]若所述反馈结果为所述检测结果出现错误，则基于所述反馈结果对所述故障检测模型进行重新训练，得到优化后的故障检测模型；
[0032]保存所述优化后的故障检测模型。
[0033]第二方面，本申请实施例提供一种故障检测装置，所述故障检测装置包括：
[0034]数据集构造模块，用于根据印刷机减震器的历史振动数据构造训练集和测试集；
[0035]模型训练模块，用于将所述训练集输入故障检测模型进行模型训练；
[0036]模型测试模块，用于基于测试集对训练完成的故障检测模型进行测试，若测试结果满足条件，则保存满足条件的故障检测模型；
[0037]故障检测模块，用于将采集的实时振动数据输入所述故障检测模型中，基于所述故障检测模型预测所述印刷机减震器是否发生故障。
[0038]第三方面，本申请实施例提供一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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申请实施例提供的故障检测方法。
[0039]第四方面，本申请实施例提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行本申请实施例提供的故障检测方法。
[0040]本申请实施例提供的故障检测方法，根据印刷机减震器的历史振动数据构造训练集和测试集；将所述训练集输入故障检测模型进行模型训练；基于所述测试集对训练完成的故障检测模型进行测试，若测试结果满足条件，则保存满足条件的故障检测模型；将采集的实时振动数据输入所述故障检测模型中，基于所述故障检测模型预测所述印刷机减震器是否发生故障。本申请的故障检测方法通过基于印刷机减震器的历史振动数据训练故障检测模型，并将采集的实时振动数据输入故障检测模型中实现对印刷机减震器的故障预测，
降低了人力人本，在保证故障检测的准确率的同时提高了故障检测的效率。
附图说明
[0041]附图用于更好地理解本方案，不构成对本申请的限定。其中：
[0042]图1是本申请实施例提供的故障检测方法的一种可选处理流程示意图；
[0043]图2是本申请实施例提供的传感器的效果图；
[0044]图3是本申请实施例提供的印刷机减震器上传感器安装位置的示意图；
[0045]图4是本申请实施例提供的故障检测模型的一种可选结构示意图；
[0046]图5是本申请实施例提供的故障检测模型对样本的检测结果示意图；
[0047]图6是本申请实施例提供的故障检测系统的一种可选处理流程示意图；
[0048]图7是本申请实施例提供的故障检测系统的一种可选系统架构示意图；
[0049]图8是本申请实施例提供的故障检测装置的一种可选结构示意图；
[0050]图9是本申请实施例提供的一种可选电子设备示意性框图。
具体实施方式
[0051]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出本文档来自技高网...
【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：根据印刷机减震器的历史振动数据构造训练集和测试集；将所述训练集输入故障检测模型进行模型训练；基于所述测试集对训练完成的故障检测模型进行测试，若测试结果满足条件，则保存满足条件的故障检测模型；将采集的实时振动数据输入所述故障检测模型中，基于所述故障检测模型预测所述印刷机减震器是否发生故障。2.根据权利要求1所述的方法，其特征在于，所述根据印刷机中减震器的历史振动数据构造训练集和测试集，包括：根据所述历史振动数据对应的所述印刷机减震器的状态，将所述历史振动数据标记为正常状态的振动数据或故障状态的振动数据；将标记完成的历史振动数据分为测试集和训练集；对所述训练集进行数据增强。3.根据权利要求2所述的方法，其特征在于，所述对所述训练集进行数据增强，包括：以所述训练集中的第一个数据为起始数据，按照第一步长值依次确定不同的起点数据；针对每个起点数据，依次获取所述训练集中以所述起点数据为起点的第一数据量的数据；将获取到的所有数据确定为数据增强后的训练集。4.根据权利要求1所述的方法，其特征在于，所述将所述训练集输入故障检测模型进行模型训练，包括：基于卷积神经网络构建所述故障检测模型；配置所述故障检测模型的卷积层数、卷积核数目、卷积核大小、非线性激活函数、损失函数、批大小、样本大小和模型迭代次数。5.根据权利要求1所述的方法，其特征在于，所述基于所述测试集对训练完成的故障检测模型进行测试，还包括：若测试结果不满足条件，则更改所述故障检测模型的配置；基于所述训练集对更改配置后的故障检测模型进行重新训练。6.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：王维芳，董浩，柳磊，刘杨，
申请(专利权)人：联宝合肥电子科技有限公司，
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。