一种设备故障检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种设备故障检测方法、装置、设备及存储介质，包括：实时采集目标设备对应的运行数据，并确定与所述运行数据对应的特征向量；通过预先训练的检测模型，对所述运行数据对应的特征向量进行检测，得到所述运行数据对应的新增异常结果；根据所述新增异常结果，对所述运行数据进行解析，得到所述目标设备对应的新增故障信息。本发明专利技术的技术方案可以有效识别目标设备的新增故障，提高目标设备故障检测结果的准确性和可靠性。障检测结果的准确性和可靠性。障检测结果的准确性和可靠性。

【技术实现步骤摘要】
一种设备故障检测方法、装置、设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种设备故障检测方法、装置、设备及存储介质。

技术介绍

[0002]设备故障的发生会严重影响生产效率和相关业务，为了对设备故障进行检测，现有技术提出采用自动对比识别系统，将设备的历史数据与实时数据进行对比，并根据对比结果判断设备是否发生故障。
[0003]但是，随着设备的不断发展和升级，自动对比识别系统很难确定设备发生的新增故障，从而影响设备数据的可靠性以及设备性能。其次，传统的自动对比识别系统，通常根据人工设定的判断规则或者阈值，检测设备的故障情况，这些判断规则以及阈值有可能不适用设备新版本或新的应用场景，导致检测结果准确性较低。

技术实现思路

[0004]本专利技术提供了一种设备故障检测方法、装置、设备及存储介质，可以有效识别目标设备的新增故障，提高目标设备故障检测结果的准确性和可靠性。
[0005]根据本专利技术的一方面，提供了一种设备故障检测方法，所述方法包括：
[0006]实时采集目标设备对应的运行数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备故障检测方法，其特征在于，包括：实时采集目标设备对应的运行数据，并确定与所述运行数据对应的特征向量；通过预先训练的检测模型，对所述运行数据对应的特征向量进行检测，得到所述运行数据对应的新增异常结果；其中，所述检测模型通过使用目标设备对应的历史数据，对深度学习模型进行训练得到；根据所述新增异常结果，对所述运行数据进行解析，得到所述目标设备对应的新增故障信息。2.根据权利要求1所述的方法，其特征在于，在实时采集目标设备对应的运行数据之前，还包括：获取目标设备对应的多个历史数据，并确定与各所述历史数据对应的特征向量；使用各所述历史数据对应的特征向量，对深度学习模型进行迭代训练，得到所述检测模型。3.根据权利要求2所述的方法，其特征在于，使用各所述历史数据对应的特征向量，对深度学习模型进行迭代训练，得到所述检测模型，包括：将所述多个历史数据对应的特征向量作为训练样本集；使用训练样本集中的各训练样本，依次对深度学习模型进行迭代训练，并根据各训练样本之间的交叉验证结果，对所述深度学习模型的训练结果进行评估；根据所述深度学习模型对应的评估结果，对所述模型的训练参数进行调整，并将调整后的模型作为检测模型。4.根据权利要求1所述的方法，其特征在于，所述运行数据包括目标设备在当前时间下对应的物联网数据、日志数据以及事件数据；确定与所述运行数据对应的特征向量，包括：根据预设的目标字段类型，对所述运行数据中包括的对应信息进行提取；根据信息提取结果，确定与所述运行数据对应的特征向量。5.根据权利要求1所述的方法，其特征在于，在对所述运行数据进行解析，得到所述目标设备对应的新增故障信息之后，还包括：将所述目标设备对应的新增故障信息，通过...

【专利技术属性】
技术研发人员：张大伟，陈秋华，
申请(专利权)人：北京优特捷信息技术有限公司，
类型：发明
国别省市：