基于大模型的故障诊断方法技术

本申请公开了一种基于大模型的故障诊断方法

【技术实现步骤摘要】
基于大模型的故障诊断方法、装置、设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种基于大模型的故障诊断方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]目前，在故障诊断过程中，通常采用采集待测物体的振动信号，对振动信号进行分析，从而得到特征描述结果的方法
。
[0003]然而，目前需要人工对采集到的振动信号的波形图进行分析，若人工的经验不足或者专业性较差，则容易出现误判或者漏检的情况，降低故障诊断的准确性
。

技术实现思路

[0004]本申请的主要目的在于提供一种基于大模型的故障诊断方法
、
装置
、
设备及存储介质，旨在解决
、
的技术问题
。
[0005]为实现上述目的，本申请提供一种基于大模型的故障诊断方法，所述基于大模型的故障诊断方法包括以下步骤：获取待测目标的振动信号；基于所述振动信号，通过所述信号处理模型进行信号处理，得到所述振动信号的特征描述结果，以供用户基于所述特征描述结果确定所述待测目标的特征描述结果，其中，所述信号处理模型用于表征所述振动信号与所述特征描述结果之间的关联关系
。
[0006]可选地，所述信号处理模型包括特征提取模型和特征描述模型；所述基于所述振动信号，通过所述信号处理模型进行信号处理，得到所述振动信号的特征描述结果的步骤，包括：基于所述振动信号，通过特征提取模型进行特征提取处理，得到所述振动信号的目标信号特征；基于所述目标信号特征，通过特征描述模型对所述目标信号特征进行特征描述，得到所述振动信号的特征描述结果
。
[0007]可选地，所述基于所述振动信号，通过特征提取模型进行特征提取处理，得到所述振动信号的目标信号特征的步骤，包括：通过傅里叶变换确定所述振动信号的时域图谱和频域图谱；基于所述时域图谱和频域图谱，通过特征提取模型进行特征提取处理，得到所述振动信号的目标特征
。
[0008]可选地，所述基于所述振动信号，通过特征提取模型进行特征提取处理，得到所述振动信号的目标信号特征的步骤之前，所述方法还包括：获取第一训练样本，所述第一训练样本包括通过检测多个历史目标得到的振动信号；基于所述历史目标与特征标签之间的映射关系，确定各所述历史目标对应振动信
号的目标信号特征标签；基于所述第一训练样本和目标信号特征标签，对第一待训练模型进行迭代训练，得到特征提取模型
。
[0009]可选地，所述基于所述目标信号特征，通过特征描述模型对所述目标信号特征进行特征描述，得到所述振动信号的特征描述结果的步骤之前，所述方法还包括：获取第二训练样本及其第一结果标签，所述第二训练样本包括基于多个历史振动信号，通过所述特征提取模型进行特征提取处理得到的多个信号特征；基于所述第二训练样本和所述第一结果标签，对第二待训练模型进行迭代训练，得到特征描述模型
。
[0010]可选地，所述基于所述振动信号，通过所述信号处理模型进行信号处理，得到所述振动信号的特征描述结果的步骤之后，所述方法还包括：将所述特征描述结果及其对应振动信号发送至客户端，以供用户查看；接收用户通过客户端反馈的特征描述确认结果；确定错误的特征描述确认结果对应的目标振动信号
。
[0011]可选地，所述基于所述第二训练样本和所述第一结果标签，对第二待训练模型进行迭代训练，得到特征描述模型的步骤之后，所述方法还包括：基于所述目标振动信号，通过所述特征提取模型进行特征提取处理，得到第三训练样本；确定所述第三训练样本对应的第二结果标签；基于所述第三训练样本和所述第二结果标签，对所述特征描述模型进行优化，得到优化后的特征描述模型
。
[0012]此外，为实现上述目的，本申请还提供一种基于大模型的故障诊断装置，所述基于大模型的故障诊断装置包括：信号获取模块，用于获取待测目标的振动信号；描述结果确定模块，用于基于所述振动信号，通过所述信号处理模型进行信号处理，得到所述振动信号的特征描述结果，以供用户基于所述特征描述结果确定所述待测目标的特征描述结果，其中，所述信号处理模型用于表征所述振动信号与所述特征描述结果之间的关联关系
。
[0013]此外，为实现上述目的，本申请还提供一种设备，所述设备包括：存储器
、
处理器及存储在所述存储器上并可在所述处理器上运行的基于大模型的故障诊断程序，所述基于大模型的故障诊断程序配置为实现如上所述的基于大模型的故障诊断方法的步骤
。
[0014]此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于大模型的故障诊断程序，所述基于大模型的故障诊断程序被处理器执行时实现如上所述的基于大模型的故障诊断方法的步骤
。
[0015]本申请通过获取待测目标的振动信号，基于所述振动信号，通过用于表征所述振动信号与所述特征描述结果之间的关联关系的信号处理模型进行信号处理，得到所述振动信号的特征描述结果，用户即可基于所述特征描述结果确定所述待测目标的特征描述结果，无需用户对采集到的振动信号进行分析，即使用户经验不足或者专业性较差，用户直接基于振动信号的特征描述结果即可简单且直观地判断待测目标的特征描述结果，避免误判
或者漏检的情况出现，能够提升故障诊断的准确性
。
附图说明
[0016]图1为本申请基于大模型的故障诊断方法第一实施例的第一流程示意图；图2为本申请基于大模型的故障诊断方法第二实施例的第二流程示意图；图3为本申请基于大模型的故障诊断方法第三实施例的第三流程示意图；图4为本申请基于大模型的故障诊断方法第三实施例的场景示意图；图5为本申请基于大模型的故障诊断装置实施例的结构框图；图6是本申请实施例方案涉及的硬件运行环境的设备结构示意图
。
[0017]本申请目的的实现
、
功能特点及优点将结合实施例，参照附图做进一步说明
。
具体实施方式
[0018]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请
。
[0019]参照图1，图1为本申请基于大模型的故障诊断方法第一实施例的流程示意图
。
[0020]在第一实施例中，所述基于大模型的故障诊断方法包括以下步骤：
S10
：获取待测目标的振动信号；需要说明的是，本实施例的基于大模型的故障诊断方法应用于基于大模型的故障诊断装置或者云端服务器，所述基于大模型的故障诊断装置或者云端服务器从属于基于大模型的故障诊断设备
。
[0021]具体地，为了能够减少设备本地的计算压力，本实施例基于大模型的故障诊断方法应用于云端服务器，基于大模型的故障诊断方法可以应用于设备整体故障检测场景和
/
或者设备零部件故障检测场景，即，设备整体和
/
或者设备零本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大模型的故障诊断方法，其特征在于，所述基于大模型的故障诊断方法包括以下步骤：获取待测目标的振动信号；基于所述振动信号，通过所述信号处理模型进行信号处理，得到所述振动信号的特征描述结果，以供用户基于所述特征描述结果确定所述待测目标的特征描述结果，其中，所述信号处理模型用于表征所述振动信号与所述特征描述结果之间的关联关系
。2.
如权利要求1所述的基于大模型的故障诊断方法，其特征在于，所述信号处理模型包括特征提取模型和特征描述模型；所述基于所述振动信号，通过所述信号处理模型进行信号处理，得到所述振动信号的特征描述结果的步骤，包括：基于所述振动信号，通过特征提取模型进行特征提取处理，得到所述振动信号的目标信号特征；基于所述目标信号特征，通过特征描述模型对所述目标信号特征进行特征描述，得到所述振动信号的特征描述结果
。3.
如权利要求2所述的基于大模型的故障诊断方法，其特征在于，所述基于所述振动信号，通过特征提取模型进行特征提取处理，得到所述振动信号的目标信号特征的步骤，包括：通过傅里叶变换确定所述振动信号的时域图谱和频域图谱；基于所述时域图谱和频域图谱，通过特征提取模型进行特征提取处理，得到所述振动信号的目标特征
。4.
如权利要求2所述的基于大模型的故障诊断方法，其特征在于，所述基于所述振动信号，通过特征提取模型进行特征提取处理，得到所述振动信号的目标信号特征的步骤之前，所述方法还包括：获取第一训练样本，所述第一训练样本包括通过检测多个历史目标得到的振动信号；基于所述历史目标与特征标签之间的映射关系，确定各所述历史目标对应振动信号的目标信号特征标签；基于所述第一训练样本和目标信号特征标签，对第一待训练模型进行迭代训练，得到特征提取模型
。5.
如权利要求4所述的基于大模型的故障诊断方法，其特征在于，所述基于所述目标信号特征，通过特征描述模型对所述目标信号特征进行特征描述，得到所述振动信号的特征描述结果的步骤之前，所述方法还包括：获取第二训练样本及其第一结果标签，所述第二训练样本包括基于多个历史振动信号，通过所...

【专利技术属性】
技术研发人员：张挺军，王春洲，刘云峰，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：