用于训练模型的方法和设备技术

本发明专利技术呈现一种用于训练模型的方法、设备和计算机可读媒体。所述方法(300)包含：基于仅包含装备处于正常工作条件时的历史传感器数据的训练数据集(21)而训练(S301)模型(28)；利用造成假警报的传感器数据(22)、所述装备的历史确认故障的传感器数据(23)和所述装备处于正常工作条件时的预定义最近时间段内的传感器数据(24)来测试(S302)所述模型(28)；在所述模型(28)通过测试的情况下激活(S303)所述模型(28)。状态监测能够基于连续更新的模型并且能够适用于不同且易变的工作条件。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术涉及装备状态监测，且更尤其涉及用于训练用于监测装备的工作状态的模型的方法、设备和计算机可读存储媒体。

技术介绍

1、增加生产设备中的传感器的设置的数目使得可收集传感器数据以监测装备的工作状态、检测异常和预测故障。

2、实际上，存在试图实现装备工作状态监测(例如，故障类型检测和预测维护)的多种机器学习方法。

3、机器学习方法能够处置高维度和多变量数据，提取复杂和动态环境中的数据内的隐藏关系。然而，所部署模型总是不能够连续地监测目标装备，这意味着归因于时间、制造、负荷、环境或其它因素，预测维护解决方案自身依赖于对模型的定期维护。一个可能的原因是装备工作条件是不同的且易变的，而所部署的解决方案是相对静态的且需要大量地输入来更新模型(例如，手动地标记和更新训练样本)。

技术实现思路

1、在本公开中，我们提出一种模型自更新解决方案，通过所述模型自更新解决方案，状态监测可基于连续更新的模型且可适用于不同且易变的工作条件。

2、本公开的实施例包含方法、设备、系统和计算机可读存储本文档来自技高网...

【技术保护点】

1.一种用于训练模型的方法(300)，其中所述模型被配置成基于传感器数据而监测装备的工作状态，且所述方法包括：

2.根据权利要求1所述的方法(300)，其中测试(S302)所述模型包括：

3.根据权利要求1所述的方法(300)，其进一步包括：

4.根据权利要求3所述的方法(300)，其进一步包括：

5.根据权利要求3所述的方法(300)，其进一步包括：

6.一种用于训练模型的设备(10)，其中所述模型被配置成基于传感器数据而监测装备的工作状态，且设备(10)包括：

7.根据权利要求6所述的设备(10)，其中所述测试模...

【技术特征摘要】
【国外来华专利技术】

1.一种用于训练模型的方法(300)，其中所述模型被配置成基于传感器数据而监测装备的工作状态，且所述方法包括：

2.根据权利要求1所述的方法(300)，其中测试(s302)所述模型包括：

3.根据权利要求1所述的方法(300)，其进一步包括：

4.根据权利要求3所述的方法(300)，其进一步包括：

5.根据权利要求3所述的方法(300)，其进一步包括：

6.一种用于训练模型的设备(10)，其中所述模型被配置成基于传感器数据而监测装备的工作状态，且设备(10)包括：

<...

【专利技术属性】
技术研发人员：汤琦，吴文超，李聪超，王帆，陈嘉雯，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：