System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及物联网,尤其涉及一种设备异常状态预测方法、装置、电子设备及存储介质。
技术介绍
1、在当今的物联网技术中,传感器技术往往被用于采集设备运行时的多个参数,通过分析多个参数确定设备是否存在异常。随着技术的进步,传感器的精度、灵敏度和稳定性不断提高,使得传感器实时监测的设备的各项参数,如温度、压力、振动等参数时,对参数的采集更加准确高效。
2、目前,对传感器采集到的参数进行分析能够得到参数分析结果,根据该参数分析结果能够确定参数是否发生异常变化,从而可以在参数发生异常变化时发现设备故障的迹象,进而对设备进行维护。然而,在传感器采集到的参数出现异常时,设备可能已经发生了故障,导致对设备的维护不及时,影响设备的正常运行。
技术实现思路
1、本申请提供一种设备异常状态预测方法、装置、电子设备及存储介质,以解决现有技术中在传感器采集到的参数出现异常时,设备可能已经发生了故障,导致对设备的维护不及时,影响设备的正常运行的问题。
2、第一方面,本申请提供一种设备异常状态预测方法,所述方法包括:
3、获取待监测设备在当前时刻的当前运行参数;
4、将所述当前运行参数输入状态预测模型中,获取所述状态预测模型输出的预测状态序列,以及所述预测状态序列的预测概率;其中,所述预测状态序列为所述状态预测模型预测的所述待监测设备在预测时刻的状态序列,所述预测时刻为所述当前时刻之后的时刻;
5、若所述预测状态序列对应的设备状态为异常状态,且所述预测概
6、第二方面,本申请提供一种设备异常状态预测装置,所述装置包括:
7、第一获取模块,用于获取待监测设备在当前时刻的当前运行参数;
8、第二获取模块,用于将所述当前运行参数输入状态预测模型中,获取所述状态预测模型输出的预测状态序列,以及所述预测状态序列的预测概率;其中,所述预测状态序列为所述状态预测模型预测的所述待监测设备在预测时刻的状态序列,所述预测时刻为所述当前时刻之后的时刻;
9、生成模块,用于若所述预测状态序列对应的设备状态为异常状态,且所述预测概率大于第一概率阈值,则生成所述待监测设备的异常状态预警信息;其中,所述异常状态预警信息包括所述预测时刻以及所述预测状态序列对应的设备状态。
10、第三方面,本申请提供一种电子设备,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计算机程序,所述处理器执行所述程序时实现如本申请任一实施例所述的设备异常状态预测方法。
11、第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请任一实施例所述的设备异常状态预测方法。
12、本申请的方案,获取待监测设备在当前时刻的当前运行参数;将当前运行参数输入状态预测模型中,获取状态预测模型输出的预测状态序列,以及预测状态序列的预测概率;其中,预测状态序列为状态预测模型预测的待监测设备在预测时刻的状态序列,预测时刻为当前时刻之后的时刻;若预测状态序列对应的设备状态为异常状态,且预测概率大于第一概率阈值,则生成待监测设备的异常状态预警信息;其中,异常状态预警信息包括预测时刻以及预测状态序列对应的设备状态。即本申请的方案,一方面,通过当前运行参数和状态预测模型输出预测状态序列,以及预测状态序列对应的预测概率,能够对待监测设备的设备状态进行预测,实现对待监测设备的监测。另一方面,在预测状态序列对应的设备状态为异常状态,能够对待监测设备未来可能出现的异常状态进行预测,并在预测概率大于第一概率阈值时生成异常状态预警信息,使工作人员可以根据异常状态预警信息及时对设备进行维护,避免异常状态的真正发生,保证了设备的正常运行,提高了设备的工作效率。
本文档来自技高网...【技术保护点】
1.一种设备异常状态预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述当前运行参数输入状态预测模型中,获取所述状态预测模型输出的预测状态序列,以及所述预测状态序列的预测概率之后,所述方法还包括:
3.根据权利要求1所述的方法,其特征在于,所述状态预测模型通过如下方法训练得到:
4.根据权利要求3所述的方法,其特征在于,所述利用所述状态序列和所述观测序列对待训练的状态预测模型进行训练,得到所述状态预测模型,包括:
5.根据权利要求3所述的方法,其特征在于,所述训练设备的历史运行信息包括:设备初始参数以及设备状态;
6.根据权利要求4所述的方法,其特征在于,所述待训练的状态预测模型为隐马尔可夫模型。
7.根据权利要求6所述的方法,其特征在于,所述待训练的状态预测模型通过如下方法得到:
8.一种设备异常状态预测装置,其特征在于,所述装置包括:
9.一种电子设备,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计算机程序,其特征在于,所述处
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一所述的设备异常状态预测方法。
...【技术特征摘要】
1.一种设备异常状态预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述当前运行参数输入状态预测模型中,获取所述状态预测模型输出的预测状态序列,以及所述预测状态序列的预测概率之后,所述方法还包括:
3.根据权利要求1所述的方法,其特征在于,所述状态预测模型通过如下方法训练得到:
4.根据权利要求3所述的方法,其特征在于,所述利用所述状态序列和所述观测序列对待训练的状态预测模型进行训练,得到所述状态预测模型,包括:
5.根据权利要求3所述的方法,其特征在于,所述训练设备的历史运行信息包括:设备初始参数以及设备状态;
【专利技术属性】
技术研发人员:曾斌,杨思婷,张茂华,廖瑞毅,
申请(专利权)人:数字广东网络建设有限公司,
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。