应用于冷库管理系统的故障识别方法及人工智能服务器技术方案

本申请涉及人工智能技术领域，提供一种应用于冷库管理系统的故障识别方法及人工智能服务器，调用冷库系统故障识别组件，从第一冷库运行故障识别算法中挖掘用于进行故障识别的特征，再通过挖掘出的用于进行故障识别的特征，辅助第二冷库运行故障识别算法的调试，以实现冷库故障识别的迁移学习，且本申请实施例调用冷库系统故障识别组件作为迁移学习的桥梁，无需约束第一冷库运行故障识别算法和第二冷库运行故障识别算法的模块配置，这样能够将迁移学习应用到不同类型的AI算法中，确保了故障识别的扩展性，在此基础上通过第三冷库运行故障识别算法对待识别冷库系统运行监测报告进行冷库运行故障识别，能够准确、快速地确定出冷库运行故障种类。出冷库运行故障种类。出冷库运行故障种类。

【技术实现步骤摘要】
应用于冷库管理系统的故障识别方法及人工智能服务器


[0001]本申请涉及人工智能
，具体而言，涉及应用于冷库管理系统的故障识别方法及人工智能服务器。

技术介绍

[0002]冷库（冷藏库）本质上是一种低温冷冻设备，冷冻温度一般在零下10摄氏度至零下30摄氏度之间，冷库的存储冷冻量比较大，与冰箱相比较，冷库的制冷面积要大很多。冷库是对食品、液体、化工、医药、疫苗、科学试验等物品进行恒温恒湿贮藏的重要设备，因而针对冷库的故障分析处理至关重要。但由于冷库的体积大且软硬件结构相对复杂，传统技术难以精准高效地进行故障分析识别。

技术实现思路

[0003]本申请至少提供应用于冷库管理系统的故障识别方法及人工智能服务器。
[0004]本申请提供了一种应用于冷库管理系统的故障识别方法，应用于人工智能服务器，所述方法包括：获取冷库系统运行监测报告样例集合，其中，所述冷库系统运行监测报告样例集合中包括各冷库系统运行监测报告样例；将所述各冷库系统运行监测报告样例传入第一冷库运行故障识别算法，获得所述各冷库系统运行监测报告样例的第一异常运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于冷库管理系统的故障识别方法，其特征在于，应用于人工智能服务器，所述方法包括：获取冷库系统运行监测报告样例集合，其中，所述冷库系统运行监测报告样例集合中包括各冷库系统运行监测报告样例；将所述各冷库系统运行监测报告样例传入第一冷库运行故障识别算法，获得所述各冷库系统运行监测报告样例的第一异常运行状态描述矩数据，基于所述第一异常运行状态描述矩数据，调用冷库系统故障识别组件，获得所述各冷库系统运行监测报告样例的第一故障识别结果，其中，所述冷库系统故障识别组件是依据所述第一冷库运行故障识别算法调试所得到的；将所述各冷库系统运行监测报告样例传入第二冷库运行故障识别算法，获得所述各冷库系统运行监测报告样例的第二异常运行状态描述矩数据，基于所述第二异常运行状态描述矩数据和所述第一异常运行状态描述矩数据，调用所述冷库系统故障识别组件，获得所述各冷库系统运行监测报告样例的第二故障识别结果；基于所述各冷库系统运行监测报告样例的所述第二故障识别结果和所述第一故障识别结果，调试所述第二冷库运行故障识别算法，在符合调试期望的基础上，获得第三冷库运行故障识别算法；获取待识别冷库系统运行监测报告，并通过第三冷库运行故障识别算法对所述待识别冷库系统运行监测报告进行冷库运行故障识别，得到冷库运行故障种类。2.如权利要求1所述的方法，其特征在于，所述基于所述第一异常运行状态描述矩数据，调用冷库系统故障识别组件，获得所述各冷库系统运行监测报告样例的第一故障识别结果，包括：基于所述冷库系统故障识别组件中目标基础描述特征和所述第一异常运行状态描述矩数据，调用所述冷库系统故障识别组件的第一目标局部特征联合聚焦单元，获得索引描述特征；基于所述索引描述特征和所述第一异常运行状态描述矩数据，调用所述冷库系统故障识别组件的第二目标局部特征联合聚焦单元，获得所述第一故障识别结果。3.如权利要求1所述的方法，其特征在于，所述基于所述第二异常运行状态描述矩数据和所述第一异常运行状态描述矩数据，调用所述冷库系统故障识别组件，获得所述各冷库系统运行监测报告样例的第二故障识别结果，包括：基于所述冷库系统故障识别组件中目标基础描述特征和所述第一异常运行状态描述矩数据，调用所述冷库系统故障识别组件的第一目标局部特征联合聚焦单元，获得索引描述特征；基于所述索引描述特征和所述第二异常运行状态描述矩数据，调用所述冷库系统故障识别组件的第二目标局部特征联合聚焦单元，获得所述第二故障识别结果。4.如权利要求1
‑
3任一项所述的方法，其特征在于，所述第一故障识别结果包括第一冷库系统故障属性数据和第一冷库系统故障分布数据，所述第二故障识别结果包括第二冷库系统故障属性数据和第二冷库系统故障分布数据；所述冷库系统故障识别组件包括第一故障要素挖掘模块和第二故障要素挖掘模块，所述第一故障要素挖掘模块用于挖掘所述第一冷库系统故障属性数据或所述第二冷库系统
故障属性数据，所述第一故障要素挖掘模块的模块配置至少包含第一局部特征联合聚焦单元和第二局部特征联合聚焦单元，所述第二故障要素挖掘模块用于挖掘所述第一冷库系统故障分布数据或第二冷库系统故障分布数据，所述第二故障要素挖掘模块的模块配置至少包含第三局部特征联合聚焦单元和第四局部特征联合聚焦单元。5.如权利要求4所述的方法，其特征在于，所述符合调试期望，包括：循环调试轮数达到设定值，或者目标算法调试质量评估指标符合稳定性要求；其中，所述目标算法调试质量评估指标至少包含第一算法调试质量评估指标和第二算法调试质量评估指标的聚合结果，所述第一算法调试质量评估指标反映所述第一冷库系统故障属性数据和所述第二冷库系统故障属性数据之间的算法调试质量评估指标，所述第二算法调试质量评估指标反映所述第一冷库系统故障分布数据和所述第二冷库系统故障分布数据之间的算法调试质量评估指标。6.如权利要求4所述的方法，其特征在于，所述基于所述第一异常运行状态描述矩数据，调用冷库系统故障识别组件，获得所述各冷库系统运行监测报告样例的第一故障识别结果，包括：将所述第一异常运行状态描述矩数据传入所述第一故障要素挖掘模块，基于所述第一故障要素挖掘模块中第一基础描述特征和所述第一异常运行状态描述矩数据，调用所述第一局部特征联合聚焦单元，获得第一索引描述特征，并基于所述第一索引描述特征和所述第一异常运行状态描述矩数据，调用所述第二局部特...

【专利技术属性】
技术研发人员：蒋天宏，田凯，孙凤英，
申请(专利权)人：八爪鱼人工智能科技常熟有限公司，
类型：发明
国别省市：